15356

بررسي روش‌هاي بهبود كارايي مدل‌هاي هوش مصنوعي استفاده شده در دستگاه‌هاي لبه

1403

دكتر آشتياني

دكتر مزيني

محاسبات لبه به‌عنوان روشي براي نزديك‌تر كردن پردازش به منبع داده، مانند گوشي‌هاي همراه، با هدف كاهش تأخير و مصرف پهناي باند كمتر در مقايسه با محاسبات ابري سنتي، به‌سرعت در حال گسترش است. باوجوداينكه از مدت‌ها پيش انواع روش‌هاي آماري، عددي و ساير روش‌هاي سنتي در دستگاه‌هاي لبه به كار گرفته مي‌شدند، امروزه هوش مصنوعي، به‌ويژه مدل‌هاي زباني بزرگ، نقش كليدي در تحليل داده‌هاي توليدشده توسط اين دستگاه‌ها و تصميم‌گيري مبتني بر آن‌ها ايفا مي‌كند. با افزايش تعداد دستگاه‌هاي اينترنت اشيا و نياز روزافزون به پردازش بلادرنگ داده‌ها، محاسبات لبه به يك ضرورت تبديل شده است. بااين‌حال، استقرار مدل‌هايي كه به‌صورت كارا عمل كنند و دقت و سرعت بالايي براي دستگاه‌هاي لبه فراهم كنند با چالش‌هاي متعددي مواجه است كه عمدتاً به محدوديت‌هاي منابع اين دستگاه‌ها بازمي‌گردد. اهميت بهينه‌سازي مدل‌هاي هوش مصنوعي براي دستگاه‌هاي لبه به دلايل متعددي مهم واقع مي‌شود؛ نخست آنكه، گسترش روزافزون دستگاه‌هاي اينترنت اشيا كه پيش‌بيني مي‌شود در سال‌هاي آتي به ارقامي سرسام‌آور برسد، حجم عظيمي از داده‌ها را به همراه خواهد داشت. پردازش داده‌هاي انبوه در لبه، به‌جاي انتقال پرهزينه و زمان‌بر آن‌ها به ابر، نه‌تنها كارايي و سرعت را به طرز چشمگيري افزايش مي‌دهد؛ بلكه گلوگاه‌هاي احتمالي ناشي از محدوديت‌هاي پهناي باند را نيز مرتفع مي‌سازد. هوش مصنوعي لبه با استقرار الگوريتم‌هاي پردازش و تحليل داده در نزديكي منبع توليد داده، امكان پاسخ‌هاي آني و تصميم‌گيري‌هاي بلادرنگ را فراهم مي‌آورد، قابليتي كه در معماري‌هاي مبتني بر ابر به‌سادگي قابل‌دستيابي نيست. صرفه‌جويي در منابع نيز يكي ديگر از مزاياي كليدي بهينه‌سازي مدل‌هاي هوش مصنوعي براي لبه محسوب مي‌شود. همچنين، پردازش داده‌ها در لبه، سطح حريم خصوصي و امنيت را به‌مراتب ارتقا مي‌بخشد. با درنظرگرفتن رشد فزاينده تعداد دستگاه‌هاي لبه، استقرار و مديريت كارآمد مدل‌هاي هوش مصنوعي در مقياس بزرگ به يك ضرورت تبديل شده است. مدل‌هاي بهينه‌شده، فرايند مقياس‌پذيري را تسهيل كرده و امكان مديريت تعداد زيادي دستگاه را به شيوه‌اي مؤثرتر فراهم مي‌آورند. در نهايت، پيشرفت‌هاي حاصل در زمينه هوش مصنوعي لبه، راه را براي توسعه و پياده‌سازي برنامه‌هاي كاربردي نوآورانه نظير واقعيت افزوده پيشرفته، شبكه‌هاي هوشمند كارآمد و كشاورزي دقيق مبتني بر داده‌ها هموار مي‌سازد، برنامه‌هايي كه پيش‌ازاين به دليل محدوديت‌هاي تأخير يا ساير مشكلات، امكان تحقق آن‌ها وجود نداشت.

11/5/2025 12:00:00 AM

88378

1404/08/24

Exploring Techniques for Improving the Efficiency of Artificial Intelligence Models used in Edge Devices

مدل زباني بزرگ , هوش مصنوعي , دستگاه لبه , آموزش , استنتاج , بهينه‌سازي , سلامت

Large Language Model , Artificial Intelligence , Edge Device , Training , Inference , Optimization , Healthcare