تعتبر أنظمة التعلم الموزع (Federated Learning) واحدة من أبرز الابتكارات في مجال الذكاء الاصطناعي، حيث توفر إمكانية تدريب نماذج دون الحاجة إلى تجميع البيانات الخام في مكان واحد. ورغم ذلك، فإن بناء وتشغيل هذه الأنظمة يواجه مجموعة من الصعوبات. في دراسة جديدة، تم تحليل 495 منشورًا من Stack Overflow و9,116 مشكلة وطلب سحب من GitHub تتعلق بالتعلم الموزع، عبر 92 مشروعًا مختلفًا.

استخدم الباحثون نماذج BERTopic لتحديد مواضيع النقاش وعوامل الصعوبة مثل معدلات عدم الحل ومدة الحل المتوسطة. نتائج البحث كشفت عن تسعة مواضيع بارزة في Stack Overflow وثلاثة عشر موضوعًا على GitHub، حيث كانت الصعوبات تتركز في مجالات إعداد البيئة، توافق المتطلبات، انقطاع واجهات البرمجة (API)، وعدم استقرار التدريب تحت بيانات غير منتظمة (non-IID)، ودقة التقييم والقياسات، بالإضافة إلى دمج آليات الحفاظ على الخصوصية.

كما تم تصنيف المنشورات حسب نية السؤال لفهم نوع المساعدة التي يبحث عنها المطورون، حيث أظهرت التحليلات أن أسئلة "كيف" (How) هي الأكثر شيوعًا، مما يعكس حاجة قوية إلى إرشادات إجرائية.

بعض المواضيع، مثل "إعداد TFF وتوافق البيئة" و"مشكلات الهندسة الموزعة وSecureBoost"، كانت لها معدلات عدم حل مرتفعة وأوقات حل طويلة، مما يشير إلى وجود قصور في أدوات الدعم والتوثيق.

استنادًا إلى هذه النتائج، تم تقديم تدابير قابلة للتنفيذ لمصممي أطر التعلم الموزع ومؤلفي التوثيق والمعلمين لتعزيز تجربة المطورين. على الرغم من أن النتائج مرتبطة بالنقاشات العامة ومجموعة محددة من الأطر واسعة الاهتمام، إلا أن هذه الدراسة توفر طريقة قابلة للتوسع لمراقبة نقاط الألم في مجتمع المطورين باستمرار نحو تحسين قابلية الاستخدام والموثوقية والإمكانية للنشر في أنظمة التعلم الموزع.