قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
الكمّية
تقنية لتقليل دقة أوزان وتنشيطات الشبكة العصبية من 32 بت إلى 8 بت أو أقل، مما يقلل بشكل كبير من الذاكرة والحسابات المطلوبة.
المتحكم الدقيق
دائرة متكاملة مدمجة تحتوي على معالج وذاكرة وأجهزة طرفية، مُحسّنة للعمل بأقل استهلاك للطاقة وموارد محدودة.
الذكاء الاصطناعي على الحافة
ذكاء اصطناعي يُنفذ مباشرة على الأجهزة الطرفية، مما يتيح اتخاذ قرارات محلية دون الاعتماد على اتصال سحابي، ويقلل من زمن الاستجابة واستهلاك النطاق الترددي.
تنسورفلو لايت مايكرو
إطار عمل من جوجل مصمم خصيصًا لتشغيل نماذج التعلم الآلي على المتحكمات الدقيقة بذاكرة وصول عشوائي (RAM) أقل من 256 كيلوبايت ومساحة تخزين 1 ميجابايت.
تحسين الذاكرة
مجموعة من التقنيات التي تهدف إلى تقليل البصمة الذاكرية للنماذج، وتشمل الكمّية، والتقليم، وهياكل الشبكات المدمجة المتكيفة مع قيود المتحكمات الدقيقة (MCU).
الاستدلال على الجهاز
عملية تنفيذ التنبؤات مباشرة على الجهاز المدمج، مما يلغي الحاجة إلى نقل البيانات إلى خوادم بعيدة للمعالجة.
التقليم
تقنية لإزالة الاتصالات العصبية غير الحرجة في الشبكة، مما يقلل من تعقيدها وحجمها دون فقدان كبير في أداء التنبؤ.
تقطير المعرفة
طريقة لنقل المعرفة من نموذج كبير ومعقد (المعلم) إلى نموذج خفيف (الطالب) يتكيف مع قيود الموارد للمتحكمات الدقيقة.
الهندسة المعمارية العصبية
تصميم دوائر تحاكي بنية ووظيفة الدماغ البيولوجي، محسّنة للمعالجة الفعالة بأقل استهلاك للطاقة.
ضاغط النماذج
أداة أو خوارزمية تقلل من حجم نموذج التعلم الآلي مع الحفاظ على قدراته التنبؤية، وهو أمر ضروري للنشر على الأجهزة ذات الموارد المحدودة.
إيدج إمبلس
منصة تطوير متخصصة في إنشاء وتدريب ونشر نماذج TinyML على وحدات التحكم الدقيقة بواجهة سهلة الاستخدام وتحسين تلقائي.
استهلاك الطاقة
مقياس حاسم في TinyML، يهدف إلى تقليل استهلاك الطاقة للسماح بسنوات من الاستقلالية التشغيلية على البطاريات أو حصاد الطاقة في تطبيقات إنترنت الأشياء.
وحدة تحكم دقيقة (MCU)
وحدة تحكم دقيقة مدمجة تدمج المعالج والذاكرة المتطايرة وغير المتطايرة وواجهات الاتصال في دائرة متكاملة واحدة للتطبيقات المدمجة.
المعالجة في الوقت الفعلي
قدرة أنظمة TinyML على تقديم استجابات تنبؤية ضمن حدود زمنية ضيقة ويمكن التنبؤ بها، وهو أمر ضروري للتطبيقات الحرجة والتفاعلية.
الذكاء المدمج
دمج قدرات التعلم والاستدلال مباشرة في الأجهزة الإلكترونية ذات الموارد المحدودة، مما يخلق أنظمة مستقلة وذكية.
نموذج خفيف الوزن
بنية شبكة عصبية مصممة خصيصًا لتقليل المعلمات والحسابات مع الحفاظ على أداء مقبول للنشر على وحدات التحكم الدقيقة.
حصاد الطاقة
تقنية جمع الطاقة البيئية (الضوء، الاهتزاز، الحرارة) لتشغيل أجهزة TinyML، مما يتيح استقلالية شبه غير محدودة بدون صيانة.
نظام تشغيل مضمن
نظام تشغيل في الوقت الفعلي مُحسّن لوحدات التحكم الدقيقة، يدير موارد الأجهزة المحدودة ويضمن التنفيذ الحتمي لمهام TinyML.