محققان در یک پیشرفت جدید، روشی نوآورانه به نام «Stream-SW» را برای «حمل و نقل بهینه اسلایسی» (Sliced Optimal Transport) معرفی کردهاند. این تکنیک جدید به مدلهای هوش مصنوعی اجازه میدهد تا محاسبات سنگین ریاضی را مستقیماً از روی «جریانهای داده» (Data Streams) و با حافظه بسیار کمتر انجام دهند.
ویژگیهای کلیدی این دستاورد:
🔹 کاهش چشمگیر مصرف حافظه نسبت به روشهای سنتی
🔹 دقت بالاتر در مقایسه با روشهای نمونهبرداری تصادفی
🔹 کاربردهای متنوع از تشخیص تغییرات در دادههای جاری تا پردازش ابر نقاط (Point Clouds)
این یعنی هوش مصنوعی حالا میتواند با سرعت و بهرهوری بیشتری در پروژههای پردازش دادههای بزرگ (Big Data) عمل کند! ⚡
منبع: arXiv Machine Learning