في عصر الذكاء الاصطناعي، أصبح من الضروري معالجة البيانات بشكل فعّال، ومن هنا جاءت الحاجة لتقنيات حذف البيانات (Data Unlearning).

تعتبر تقنية حذف البيانات طريقة فريدة لإزالة تأثير بيانات التدريب المحددة من نموذج تم تدريبه دون الحاجة لإعادة تدريبه بالكامل. لكن، كيف يمكن تقييم فعالية هذه التقنية؟

يعتبر تقييم وسيلة حذف البيانات أمراً معقداً، إذ يتطلب تكرار عمليات التدريب والحذف والتقييم عبر عدة محاولات (Seeds)، ما يؤدي إلى استهلاك موارد حسابية كبيرة. ولعل أبرز التحديات التي تواجه الأبحاث الحالية في هذا المجال هي أن معظم الأطر المستخدمة لتصنيف الصور تعتمد على وحدة معالجة رسومية واحدة، مما يقيد قدرتها على تقييم عدد كبير من المحاولات في وقت معقول.

هنا يأتي دور SUPREME، الإطار مفتوح المصدر الذي يعيد تعريف كيفية تقييم وسائل حذف الصور من خلال توزيع مراحل التدريب والحذف والتقييم على عدة وحدات معالجة رسومية.

يقدم SUPREME ثلاث مساهمات رئيسية:
1. تصميم يعتمد على السجل (Registry) لإضافة وسائل، مقاييس، نماذج، وسيناريوهات جديدة.
2. بنية معمارية متعددة GPUs تدعم عدة مسرعات (Accelerators) وأنماط دقة مختلفة.
3. عرض عملي يُظهر تطبيق التقنيات على نظام التعرف على الوجه باستخدام نمط ResNet18 وViT تحت سيناريوهات الحذف الكلي والعشوائي عبر عشر محاولات.

لمزيد من المعلومات وتفاصيل التقنية، يُمكنك زيارة رابط الإطار SUPREME.

ما رأيكم في هذا الإطار الجديد؟ هل تعتقدون أنه سيحدث تغييراً جاداً في طريقة تقييم وسائل الحذف؟ شاركونا آرائكم في التعليقات.