شهدت العديد من الصناعات تطورات هائلة بفضل أنظمة التعلم الآلي (Machine Learning)، التي تمتد من التنبؤات واكتشاف الشذوذ إلى الجدولة والتحسين. ولكن، يتطلب تشغيل هذه الأنظمة تنسيقًا دقيقًا بين تطوير التطبيقات، أنابيب النماذج، بنية السحاب، الأمان، النشر، المراقبة، وإعادة التدريب.
نحن نقدم إطارًا متعدد الجهات يستند إلى إدلاء الأدلة لتحويل مهمة هندسة السحاب في ممارسات تشغيل التعلم الآلي إلى مستودع معتمد ونشر سحابي فعال.
يجمع هذا الإطار بين هندسة الرسم البياني، وهندسة الحلقات، وهندسة تجميع الوكلاء. يعمل منسق الرسم البياني على تنسيق الوكلاء المتخصصين لكل من توليد المستودعات، المراجعة، التنفيذ، التحقق، الإصدار، والمراقبة، مع إدارة تبعيات سير العمل، أبواب الأدلة، حدود إعادة المحاولة، مسارات الاسترداد، والانتهاء.
تنتقل التغيرات الحيوية فقط عندما تكون الشروط المطلوبة مدعومة بتنفيذ قابل للتحقق أو أدلة تشغيلية. وعندما يفشل التحقق، تنشط عملية التصحيح وإعادة التحقق في حدود معينة. يمكن لأدلة فشل الوقت الفعلي، الانحراف، التدهور، أو انتهاك السياسات أن تحفز التكيف، الاسترداد، أو العودة إلى السابق.
تم تنفيذ هذا الإطار على منصة جوجل السحابية وتم تقييم كفاءة المستودع، والتنفيذ المنضبط، وانتقالات أبواب الأدلة، وتعزيز السحابة، والاسترداد المحدود. أظهرت نتائجنا التجريبية أن الإطار يمنع الانتقالات الحيوية غير المدعومة ويقود كل عملية نحو نشر موثوق قابل للتحقق أو فشل نهائي قابل للتدقيق.