لماذا تستهلك الآلات المتصلة مقدارًا هائلًا من النطاق الترددي؟ تخيل صديقًا يركب على الحافلة ويتصل كل ثانية. "لا يزال على مبرد الحافلة." معظم الآلات عن بُعد تبثق قراءات ثابتة إلى السحابة عدة مرات في الثانية. معظمهم يقولون الشيء نفله: لا شيء جديد. الشبكة تدفع الثمن الكامل مقابل صفر أخبار. طائرة تسليم، روبوت مستودع، أو توربين رياح ترسل جميعها بيانات مكررة. قبل الغوص في التفاصيل، إخلاء مسؤولية: كانت القياسات تم إنشاؤها بواسطة محاكي، وليس من طائرة حقيقية. باستخدام Cart Pole، عربة صغيرة محاكاة مع عمود، يتم إرسال بعض الأرقام فقط. المبدأ الأساسي يبقى نفسه. ما تم بناؤه هو طريقة بسيطة لإرسال المفاجآت فقط. بحلول نهاية هذه المقالة، ستعرف ماذا يعني نموذج عالمي، كيف يحافظ نسختان على مزامنة آلة عن بُعد والسحابة، كيف تبنيه في PyTorch، وكم كم البيانات التي وفرتها حقًا. نموذج عالمي هو برنامج يتخيل أنه شبكة عصبية تعلمت أن تتنبأ بما سيحدث next. تقدم له الوضع الحالي والإجراء الذي يتم اتخاذه. إنه يعيد لك الوضع بعد لحظة. يتعلم النموذج من خلال مشاهدة أمثلة، وليس من كتاب فيزياء. يمكنه إرسال إجابته الخاصة مرة أخرى كالوضع التالي وتخيل المستقبل دون أي آلة حقيقية مشاركة. تفاصيل مهمة: النموذج يرى فقط رقمين—أين تقع العربة ومدى ميلان العمود. لا يرى أبدًا السرعات. لحساب السرعة، يتذكر أين كانت الأشياء قبل لحظة باستخدام ذاكرة صغيرة من 64 رقمًا، مثل ملاحظة مكتوبة بسرعة تمر من لحظة إلى أخرى. منصة الاختبار هي Cart Pole، إحدى أقدم المشاكل اللعبية في الذكاء الاصطناعي. العربة تتزلج على شبر مع عمود متوازن في الأعلى. تتبع العربة مسارًا مخطط له لاختبار قدرة النموذج على التنبؤ بتغييرات الحالة بشكل فعال.
المصدر: Towards Data Science · لخّصه HeadlinesBriefing