محققان به تازگی روشی به نام AE-PSL معرفی کردند که آموزش و تنظیم دقیق (Fine-Tuning) مدلهای هوش مصنوعی بزرگ را روی دستگاههای ضعیفتر مثل موبایل یا سختافزارهای لبه ممکنتر میکند.
💡 نکته کلیدی:
مشکل اصلی در روشهای قبلی، حجم بالای انتقال داده بین کلاینت و سرور بود. این روش جدید با استفاده از یک ‘AutoEncoder’ سبک در لایه تقسیمبندی مدل، اطلاعات را فشرده میکند تا نیاز به پهنای باند و محاسبات سنگین کاهش یابد. جالبتر اینکه با یک مکانیسم دو مرحلهای، این فشردهساز بدون آسیب به کیفیت مدل اصلی، با ویژگیهای مدل پیشآموزشدیده (Pre-trained) هماهنگ میشود.
این یعنی به زودی میتوانیم مدلهای بسیار قدرتمند را با مصرف انرژی و اینترنت کمتر، به صورت محلی و بهینه آموزش دهیم. نظر شما چیست؟ آیا آینده هوش مصنوعی در دست دستگاههای شخصی است یا سرورهای ابری؟
منبع: arXiv Machine Learning