قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التعلم صديق البيئة
نموذج يهدف إلى تقليل استهلاك الطاقة والبصمة الكربونية لنماذج الذكاء الاصطناعي مع الحفاظ على أداء مقبول، غالبًا من خلال تقنيات التقطير أو التقليم.
تقليم الخلايا العصبية (Pruning)
تقنية لتقليل النموذج تتضمن إزالة انتقائية للأوزان أو الخلايا العصبية الأقل تأثيرًا لتقليل التعقيد الحسابي والذاكرة المطلوبة.
التعلم على الحافة
نهج يتم فيه عملية التعلم أو الاستدلال مباشرة على الأجهزة الطرفية للشبكة (الهواتف الذكية، المستشعرات)، الخاضعة لقيود حسابية وطاقة قوية.
تصميم الشبكات العصبية الفعالة
نطاق فرعي من NAS (البحث عن بنية الشبكات العصبية) يدمج قيود الكمون، واستهلاك الطاقة، أو حجم النموذج في هدف التحسين لإيجاد بنيات فعالة وخفيفة.
التعلم الاتحادي المحدود
متغير من التعلم الاتحادي حيث تكون الأجهزة العملاء المشاركة في التدريب ذات قدرات غير متجانسة ومحدودة، مما يتطلب خوارزميات قوية لهذه الاختلافات في الموارد.
تحليل مصفوفة الأوزان
تقنية ضغط تُحلل مصفوفة أوزان كبيرة إلى حاصل ضرب مصفوفات ذات أبعاد أصغر، مما يقلل عدد المعلمات والتكلفة الحسابية.
طرق التدريب ذات الدقة المنخفضة
مجموعة من الخوارزميات التي تسمح بتنفيذ مرحلة الانتشار الخلفي وتحديث التدرجات باستخدام تمثيل رقمي منخفض الدقة (مثال: 16 بت أو 8 بت).
الاستدلال بدون نسخ (Zero-Copy Inference)
تحسين يهدف إلى تنفيذ استدلال النموذج مباشرة على بيانات الإدخال دون عمليات نسخ ذاكرة إضافية، مما يقلل من الكمون واستهلاك الطاقة.
التعلم بالنبضات (الشبكات العصبية النبضية)
نموذج حساب عصبي يتم فيه تشفير المعلومات في نبضات زمنية، مما يوفر كفاءة طاقة عالية عن طريق محاكاة عمل الخلايا العصبية البيولوجية.
التحسين الواعي بالطاقة
عملية تدريب حيث تدمج دالة الخسارة مصطلح عقوبة مرتبط بالاستهلاك الطاقي المقدر للنموذج، مما يوجه المحسن نحو حلول أكثر اقتصاداً.
ثنائية الشبكات العصبية
شكل متطرف من التكميم حيث يتم تقييد الأوزان و/أو التنشيطات لأخذ قيمتين محتملتين فقط (-1 و +1)، مما يعظم الضغط وسرعة الحساب.
آلية انتباه اقتصادية
متغيرات من آليات الانتباه (مثل في المحولات) مصممة لتقليل تعقيدها التربيعي في الوقت والذاكرة، مثل الانتباه الخطي أو ذو النافذة المنزلقة.
التعلم المستمر تحت قيود الذاكرة
تحدي التعلم المستمر حيث يجب على النموذج تعلم مهام جديدة دون نسيان القديمة، مع الالتزام بحد صارم للذاكرة لتخزين المعرفة.
تحليل الموارد
تحليل مفصل للاحتياجات الحسابية والذاكرة والطاقة لنموذج على منصة مستهدفة، وهو أمر أساسي لتحديد نقاط الاختناق وتوجيه استراتيجيات التحسين.