قدم الباحثون إطار البلوكتشين لتعميم التعلم العميق التعزيزي

Image by Tumisu, from Pixabay

قدم الباحثون إطار البلوكتشين لتعميم التعلم العميق التعزيزي

وقت القراءة: 2 دقائق

  • كيارا فابري

    كتبه: كيارا فابري صحفية وسائط متعددة

  • فريق الترجمة والتوطين

    ترجمة فريق الترجمة والتوطين خدمات الترجمة والتوطين

في عجلة من أمرك؟ هنا هي الحقائق السريعة!

  • يعزز إطار القاعدة المرجعية للتعلم العميق المستند إلى الجماعات الوصول والتدريب.
  • تضمن البلوكشين الشفافية والأمان والقابلية للتتبع.
  • تخفض اللامركزية التكاليف و تشجع على توحيد القاعدة المرجعية للتعلم العميق.

أعلن فريق من الباحثين بقيادة جامعة Concordia، أمس، عن إطار عمل جديد مبني على تقنية البلوكتشين لجعل التعلم العميق التعزيزي (DRL) أكثر قابلية للوصول.

DRL، الذي يجمع بين التعلم العميق والتعلم التعزيزي، وهو فرع من الذكاء الصناعي، أثبت قيمته في العديد من الصناعات مثل الألعاب والروبوتات والرعاية الصحية والمالية. ومع ذلك، بسبب تعقيده، لا يزال خارج متناول العديد من الشركات الصغيرة والأفراد.

لسد هذا الفجوة، قام الباحثون بتطوير إطار عمل لـ DRL كخدمة (DRLaaS) يعتمد على الجمهور، والذي يتيح للمستخدمين الوصول إلى الخدمات المتعلقة بـ DRL، بما في ذلك تدريب النماذج ومشاركتها.

يتيح هذا الإطار الجديد للمستخدمين الاستفادة من الخبرة والقدرات الحسابية للعاملين الذين يمكنهم تدريب نماذج DRL نيابةً عنهم. علاوة على ذلك، يمكن للمستخدمين الاستفادة من النماذج المُدربة مُسبقًا التي يتم مشاركتها بواسطة العاملين، والتي يمكن بعد ذلك تخصيصها من خلال طرق نقل المعرفة.

تم بناء هذا الإطار على بلوكتشين الكونسورتيوم، والذي يضمن الشفافية والقابلية للتتبع في تنفيذ المهام. يستخدم النظام العقود الذكية لإدارة توزيع المهام، ويتم تخزين النماذج باستخدام نظام الملفات الكوكبي الداخلي (IPFS) للحفاظ على نزاهة البيانات.

من خلال استخدام تقنية البلوكتشين، يتناول الإطار المخاوف المتعلقة بفشل الخوادم وتزوير البيانات.

وفقا للمؤلف الرئيسي أحمد العقة، يعزز جانب جمع البيانات من الجمهور الوصولية، مما يتيح للمزيد من الأشخاص المشاركة في تطوير حلول DRL.

“مع هذا الإطار، يمكن لأي شخص التسجيل وبناء تاريخ وملف شخصي. بناءً على خبرتهم، التدريب والتقييمات، يمكن تخصيص المهام التي يطلبها المستخدمين لهم “، قال العقة.

تدعي المؤلفات أن اللامركزية في النظام تقلل أيضًا من خطر الفشل المأساوي وتخفض التكاليف المرتبطة بتدريب نماذج DRL.

تقول المؤلفات أنه من خلال توزيع الجهود الحسابية عبر أجهزة متعددة، يقدم النظام مرونة ضد انهيارات الخادم أو الهجمات الإلكترونية، وهو تحسن كبير على الأنظمة المركزية التقليدية.

شدد الشريك المؤلف جمال بنتحر، مشرف أطروحة الأغا، على أن هذه الخدمة تقوم بتوفير الوصول الديمقراطي إلى حلول DRL.

“لتدريب نموذج DRL، تحتاج إلى موارد حوسبة ليست متاحة للجميع. كما تحتاج أيضاً إلى خبرة. هذا الإطار يقدم الاثنين،” كما لاحظ بنتحر.

يمكن العثور على التفاصيل الكاملة لهذا الإطار في ورقة البحث الخاصة بهم، التي نُشرت في مجلة علوم المعلومات، والتي تسلط الضوء على تصميم الإطار وتطبيقاته المحتملة.

هل أعجبك هذا المقال؟ امنحه تقييمًا!
كان سيئًا لم يعجبني كان معقولًا جيد إلى حد كبير! أحببته!
5.00 بتصويت 1 من المستخدمين
عنوان
تعليق
شكرًا على ملاحظاتك!
Please wait 5 minutes before posting another comment.
Comment sent for approval.

اترك تعليقًا

عرض المزيد…