▎AI ומרובה סוכנים
כוונון עדין על גבי התקן
התאמה מקומית של מודלי AI על התקנים טקטיים תוך שימוש בנתוני משימה או סביבה עדכניים.
הגדרה
כוונון עדין על גבי התקן הוא התאמה מקומית של מודלי AI על התקנים טקטיים תוך שימוש בנתוני משימה או סביבה עדכניים. ביישומי הגנה, הוא מסייע למודלים להסתגל לתנאי שטח, מזג אוויר, סגנון יחידה או תנאי פולט מקומיים. האתגרים העיקריים הם שכחה קטסטרופלית, דליפת נתונים והסתגלות לא מבוקרת ולא בטוחה, במיוחד כאשר מערכות נפרסות על פני קישורים שנויים במחלוקת, גבולות קואליציה וצוותים מעורבים של אדם-מכונה. KhanBMS מתייחס לכך כיכולת ש-KhanBMS מגביל באמצעות מדיניות חתומה ובקרות שחזור, ומקשר את הרעיון בחזרה לפיקוד מודולרי, ביצוע בקצה וסמכות ניתנת לביקורת.
מאפייני הפניה
- שכבה
- טכניקת הסתגלות בקצה
- ערך תפעולי
- מסייע למודלים להסתגל לתנאי שטח, מזג אוויר, סגנון יחידה או תנאי פולט מקומיים
- סיכון עיקרי
- שכחה קטסטרופלית, דליפת נתונים והסתגלות לא מבוקרת ולא בטוחה
- תפקיד KhanBMS
- יכולת ש-KhanBMS מגביל באמצעות מדיניות חתומה ובקרות שחזור
מונחים קשורים
- הסקה בקצההפעלת מודלי AI על חומרה טקטית בנקודת החישה או הפעולה במקום להסתמך על מחשוב ענן מרוחק.
- למידה מאוחדת (FL)גישת אימון שבה צמתים לומדים מנתונים מקומיים ומשתפים עדכונים במקום נתונים גולמיים.
- רישום מודלים בקצהקטלוג מנוהל גרסאות העוקב אחר אילו מודלים, מתאמים, חתימות ומדיניות נפרסים לצמתים טקטיים.
- נראות מודלניטור קלט, פלט, סחיפה, שיהוי, ביטחון וכשלים של מודל לאחר פריסתו.
#edge#mlops#deployment
