تواجه خدمات استدلال الذكاء الاصطناعي (AI) ضغطًا متزايدًا نتيجة الطلب المتصاعد، مما يتطلب بنية تحتية قابلة للتوسع. لكن مع زيادة الطلب، ترتفع تكاليف الخدمات المركزية. هنا يظهر الابتكار الجديد: نظام استدلال مشترك مدعوم من المستخدمين.

يعمل هذا النظام من خلال دمج بنية تحتية مخصصة مع موارد يساهم بها المستخدمون، مما يحقق توازنًا مثاليًا بين توفير جودة خدمة (QoS) عالية واستيعاب الطلب المتزايد دون الحاجة لتكاليف بنية تحتية ضخمة. تقدم الموارد المخصصة قدرة أساسية للحفاظ على جودة الخدمة، بينما تساهم الموارد التطوعية من المستخدمين في امتصاص الطلب المتزايد.

لتقديم حلول فعالة، طوّر الباحثون نموذج ماركوف التوليدي (Generative Markov Model) مع هيكلة زمنية متقدمة، مما يسمح بمحاكاة التفاعلات العشوائية والديناميكية بين المستخدمين والموارد والمهام. يعتمد هذا النموذج القوي على تحسين جدولة المهام وتخصيص الموارد حسب جودة الخدمة.

بينت نتائج المحاكاة أن الجدولة الموزعة تصبح أكثر فائدة مع زيادة عدد المستخدمين، مما يحسن من إكمال الطلبات ويخفض زمن استجابة 99% (P99 Latency) بشكل ملحوظ. كما أظهرت الدراسة فعالية هذا النظام في تحقيق توسع تلقائي بكفاءة عالية، مما يفتح آفاقًا جديدة لمستقبل خدمات الذكاء الاصطناعي.