في عالم الذكاء الاصطناعي، تتجه الأبحاث نحو تطوير نماذج الشبكات العصبية التي يمكن أن تعمل بكفاءة على منصات الحوسبة منخفضة الطاقة. وفقًا لدراسة حديثة، تمتلك تقنية بحث الشبكات العصبية القائمة على العتاد (Hardware-aware Neural Architecture Search - HW-NAS) القدرة على دمج الشبكات العصبية التلافيفية (Convolutional Neural Networks - CNNs) في الأجهزة الدقيقة بأحدث تقنيات التصميم.

تتيح هذه التقنية تصميم هياكل عصبية تتوافق مع القيود المفروضة على العتاد، مما يسهل الاستخدام في أجهزة التحكم الدقيقة (Microcontrollers). ومع ذلك، العديد من تقنيات HW-NAS الحالية تستهدف أجهزة التحكم عالية الأداء، والتي لا تتناسب مع متطلبات استشعار البيانات.

تقدم الدراسة الحالية مؤسسة HW-NAS التي تهدف إلى إنشاء CNNs صغيرة يمكن تشغيلها على معالجات فائقة الانخفاض في استهلاك الطاقة. وتظهر النتائج التجريبية على ثلاثة معايير شهيرة لرؤية الحاسوب الصغير أن النظام المقترح يمكنه توليد CNNs صغيرة مع الحفاظ على دقة تصنيف تتماشى مع أحدث الاتجاهات.

تُعد هذه التطورات خطوة نحو الأمام في تسخير الذكاء الاصطناعي في مجالات جديدة، مثل إنترنت الأشياء (IoT)، وسيدعم توفير الطاقة والتحسين في الأداء في التطبيقات اليومية.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!