مقابلة مع تشنغ هي، أستاذ الذكاء الحاسوبي: مشكلة "المليارات"

مقابلة مع تشنغ هي، أستاذ الذكاء الحاسوبي: مشكلة 'المليارات' تم تسليط الضوء عليها من قبل BTW Media لأن الأدلة المنشورة تربطها بالبنية التحتية للإنترنت، والحوكمة، والاعتماديات التشغيلية، أو الرؤية السوقية.

• مشكلة التحسين متعدد الأهداف هي موضوع ساخن في مجال التحسين، والتي تشير إلى التحسين المتزامن لعدة أهداف متضاربة.
• النهج الشائع لزيادة معالجة البيانات هو استخدام المعالجة المتوازية لتوزيع العمليات الحسابية على عدة معالجات.

خوارزميات التطور(AE) هي أداة تحسين شائعة منذ عقود، وتظهر أداءً واعدًا في حل مشكلات التحسين المرجعية المختلفة. ومع ذلك، لا يزال استخدام AE على المشكلات التي تحتوي على أكثر من 100 متغير قرار (مشكلات التحسين واسعة النطاق) صعبًا بسبب «لعنة الأبعاد»، خاصةً لمشكلات التحسين واسعة النطاق هذه في التطبيقات الواقعية.

نبذة عن الدكتور تشنغ هي

الدكتور تشنغ هو أستاذ في جامعة هواتشونغ للعلوم والتكنولوجيا، إحدى الجامعات الرائدة في الصين. تركز أبحاثه على الذكاء الاصطناعي/الحاسوبي وتطبيقاته، وقد نشر أكثر من 40 مقالة في مجلات SCI. وهو زميل كبير في IEEE ومحرر مشارك في Complex and Intelligent Systems. وهو عضو في هيئة تحرير PloS One وElectronics، ورئيس مجموعة العمل حول استخبارات IEEE CIS. موضوع بحث تشنغ هو هو الذكاء التنافسي وتطبيقه في شبكة الكهرباء.

اقرأ أيضًا:نقاش أخلاقي ومعنوي حول الذكاء الاصطناعي

اقرأ أيضًا:هل يمكن للذكاء الاصطناعي تحقيق الوعي؟

س: في الخوارزمية، ما هو التحسين متعدد الأهداف؟

هذه مشكلة مثيرة للاهتمام. مشكلة التحسين متعدد الأهداف هي موضوع في مجال التحسين يعني تحسين عدة أهداف متضاربة في وقت واحد. لنأخذ مثالاً: لتصميم سيارة، تريدها أن تكون آمنة ورخيصة ولكن أيضًا عالية الأداء. هل هذا ممكن؟ ليس مستحيلاً دائمًا، لأنك بحاجة إلى إيجاد توازن بين السعر والسلامة والأداء. وبالتالي، يسعى التحسين متعدد الأهداف إلى إيجاد أفضل حل وسط بين هذه الأهداف الثلاثة المتضاربة.

س: لقد ذكرت أيضًا التحسين واسع النطاق في عرضك التقديمي. ما هو؟

التحسين واسع النطاق هو مشكلة صعبة في مجال التحسين. لنأخذ مثالاً: إذا أردنا تصميم منتج، فعادةً ما يكون لدينا فقط بضع متغيرات قرار، مثل الارتفاع والوزن وبعض متغيرات التصميم الأخرى. لكن لنفكر في مشكلة تتضمن مئات أو حتى آلاف أو مليارات متغيرات القرار. هذه مساحة بحث هائلة. الرغبة في تحسين هذه المشكلة ستستغرق وقتًا طويلاً وستكون شبه مستحيلة. هذا هو التحسين واسع النطاق. إنها مشكلة صعبة في مجال التحسين.

س: في التحسين واسع النطاق، من آلاف إلى ملايين، بل مليارات النطاق. ماذا يمكننا أن نفعل؟

النهج الشائع حاليًا هو استخدام المعالجة المتوازية لتوزيع الحساب على عدة معالجات أو أجهزة. بالإضافة إلى ذلك، يمكن أن يؤدي تنفيذ أطر الحوسبة الموزعة، مثل Apache Hadoop أو Apache Spark، إلى معالجة مجموعات البيانات الكبيرة عن طريق توزيع البيانات والمعالجة على مجموعات من أجهزة الكمبيوتر. يمكن لتقنيات مثل تحليل المكونات الرئيسية (PCA) تقليل عدد المتغيرات في مجموعة البيانات مع الاحتفاظ بمعظم تباين البيانات. في الوقت نفسه، يمكننا وضع نماذج لتقليل تعقيد النموذج عن طريق تقليم الأجزاء غير الضرورية، مثل الخلايا العصبية في شبكة عصبية.

س: لقد أوصيت بنموذج LSMOF في تقريرك. كيف يساعد في حل المشكلات العملية؟

تم تصميم خوارزمية LSMOF لتسريع عملية تحسين مشكلة التحسين متعدد الأهداف واسعة النطاق. في الواقع، مساهمتها الرئيسية هي محاولة تسريع عملية التحسين. كما قلنا، إذا تم استخدام خوارزمية لتحسين مشكلة، فقد يستغرق الأمر، على سبيل المثال، ساعات أو أيام. ولكن إذا استخدمت هذا المكون، فيمكن تسريعه إلى حوالي بضع دقائق. وبالتالي، في التطبيقات الواقعية، يمكنك استخدام خوارزميتي، مكون LSMOF هذا، كطريقة تقريب محلي مثالية جيدة يمكنها تسريع عملية التصميم.

س: نقطة أخرى تهمني حقًا هي TREE. ما الجهود التي بذلتها في بحثها؟

لقد استخدمنا تقنية TREE في تعاوننا عبر الإنترنت على محولات الجهد في الصين، حيث نشرنا هذه الطريقة في 29 مقاطعة لمراقبة أكثر من 20,000 محول جهد، وقد تم توثيق ذلك كواحدة من أكثر الطرق فعالية لمراقبة هذه المعدات، مما يضمن سلامة الشبكة.

تشنغ هي، أستاذ في جامعة هواتشونغ للعلوم والتكنولوجيا

هذا سؤال مثير للاهتمام. مشكلة TREE هي مشكلة تطبيق حقيقية، وهي تقدير خطأ نسبة محولات الجهد. لقول ذلك، محول الجهد هو جهاز أساسي ولكنه حاسم في شبكة الكهرباء، فهو يقيس جهد الشبكة لأغراض التحكم والسلامة والعديد من الأمور المهمة جدًا. لذلك نحن بحاجة إلى مراقبة حالته الصحية، ولكن تقليديًا، نحتاج إلى الاستعانة ببشر للقيام بالمعايرة اليدوية لهذا الجهاز، الأمر الذي يتطلب قطع إمداد الطاقة، وهو أمر خطير ومكلف. ولكن إذا حولنا هذه المشكلة إلى مشكلة تحسين، فهذا يعني أنك تحتاج ببساطة إلى جهاز كمبيوتر لإجراء بعض الحسابات والحصول على الحالة الصحية للجهاز، مما يوفر العمالة، وأكثر أمانًا ويضمن سلامة شبكة الكهرباء. هذا ما فعلناه.

أهمية البحث

البحث في خوارزميات التحسين له أهمية كبيرة للتطوير المستقبلي للشبكات. هذه الخوارزميات تجعل عملية اتخاذ القرار أكثر كفاءة وهي ضرورية لإدارة تعقيد وحجم الشبكات الحديثة. من خلال تسريع تحسين متغيرات التصميم وموازنة الأهداف المتضاربة، فإنها تمهد الطريق لحلول مبتكرة في هندسة الشبكات، وتخصيص الموارد، وتحسين الأعمال.