لطالما كانت الحوسبة عالية الأبعاد (Hyperdimensional Computing) موضوعاً يثير اهتمام الكثير من الباحثين في مجالات الذكاء الاصطناعي وعلوم الإدراك. هذه التقنية تعتمد على تمثيل المعلومات كمتجهات عشوائية مرتفعة الأبعاد، وتثبت التجارب أنها فعّالة في معالجة البيانات بشكل يتسم بكفاءة الطاقة وعالي التوازي، مثل استخدام معالجات FPGA. ومع ذلك، يعتمد نجاح هذه التقنية بصورة كبيرة على كيفية تحويل البيانات الأولية إلى فضاء عالٍ الأبعاد.

في دراسة جديدة، تم اقتراح طريقة مبتكرة تُدعى NysHD، تمثل نقطة انطلاق جديدة في هذا المجال. تعتمد هذه الطريقة على منهجية Nyström الموجودة في الأدبيات المتعلقة بتقريب النواة. توفر NysHD وصفة بسيطة يمكن من خلالها تحويل أي دالة تشابه موجبة شبه محددة يعرفها المستخدم إلى تمثيل مكافئ في إطار الحوسبة عالية الأبعاد.

تعد هذه المقاربة فريدة من نوعها حيث تسمح بجلب دوال التشابه المتاحة إلى نطاق الحوسبة عالية الأبعاد، مما يوسع قدرة هذا المجال على التعامل مع مجموعة متنوعة من المشكلات. نتائج التقييم العملي لطريقة NysHD ضد أساليب التشفير الحالية في الحوسبة عالية الأبعاد أثبتت القدرة على تحقيق دقة تصنيف أعلى بنسبة 11% على البيانات البيانية و17% على بيانات السلاسل.

إن هذه التطورات تعزز من دور الحوسبة عالية الأبعاد في عالم الذكاء الاصطناعي، مما يمهد الطريق أمام تقنيات جديدة قد تحدث ثورة في كيفية معالجة ومعالجة البيانات. كيف ترى مستقبل الحوسبة عالية الأبعاد؟ شاركنا آرائك!