From Big Data to Fast Data: Towards High-Quality Datasets for Machine Learning Applications from Closed-Loop Data Collection
تقدم هذه الورقة مفهوم "البيانات السريعة" (Fast Data) لهندسة الأنظمة في قطاع السيارات، والذي ينقل عملية اختيار البيانات وتسجيلها إلى المركبة من أجل جمعٍ في الوقت الفعلي ومعتمد على السياق ضمن حلقة مغلقة، مما يؤدي إلى توليد مجموعات بيانات ذات جودة أعلى وأكثر صلة بتعلم الآلة، مع تقليل التكاللات والبيانات غير ذات الصلة مقارنة بنهجي "البيانات الضخمة" (Big Data) و"البيانات الذكية" (Smart Data) التقليديين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم روبوت كيفية قيادة سيارة. وللقيام بذلك، يتعين عليك إطلاعه على ملايين الأمثلة لمواقف القيادة المختلفة.
لفترة طويلة، استخدمت صناعة السيارات أسلوباً يسمى "البيانات الضخمة" (Big Data). فكر في الأمر ككاميرا مراقبة في متجر بقالة تسجل كل شيء على مدار الساعة طوال أيام الأسبوع، كل ثانية، سواء كان شخص ما يشتري حليباً، أو يمشي في الممر، أو يقف فقط محدقاً في السقف. لاحقاً، يتعين على فريق من البشر مشاهدة ساعات من اللقطات للعثور على الثانية الواحدة التي سقط فيها مخروط آيس كريم (حدث نادر ومهم). هذا الأمر مكلف، وبطيء، ومليء بالبيانات غير المفيدة.
ثم جاءت "البيانات الذكية" (Smart Data). كان هذا يشبه إعطاء كاميرا المراقبة عقلاً يقول لها: "مهلاً، إذا سقط مخروط آيس كريم، ابدئي التسجيل!". ولكن هناك مشكلة: لا تزال الكاميرا بحاجة لتسجيل كل شيء أولاً لتعرف ما إذا كان طفل قد أسقط الآيس كريم، ثم ترسل تلك اللقطات إلى مكتب مركزي لتحليلها. إنه أمر أفضل، لكنه لا يزال بطيئاً ومبذراً.
تقدم هذه الورقة مفهوماً جديداً يسمى "البيانات السريعة" (Fast Data).
تشبيه "البيانات السريعة": مساعد الطاهي الذكي
تخيل مطبخ مطعم مزدحم.
- البيانات الضخمة تشبه طاهياً يقطع كل خضروات المستودع، ويطبخ كل طبق ممكن، ثم يأمل أن يطلب أحد الزبائن شيئاً ما.
- البيانات الذكية تشبه طاهياً يطبخ فقط عندما يسمع طلباً من زبون، لكنه لا يزال مضطراً للركض إلى المتجر في الخلف للتحقق من المخزون قبل أن يقرر ماذا يطبخ.
- البيانات السريعة تشبه مساعد طاهٍ فائق الذكاء يقف بجانب الموقد مباشرة.
هذا المساعد (السيارة) يعرف بالضبط ما يحتاجه رئيس الطهاة (مطور الذكاء الاصطناعي).
- إذا احتاج رئيس الطهاة لمزيد من التدريب على "الخبز المحترق" (سيناريو قيادة نادر وخطير)، فإن مساعد الطاهي يقوم فوراً بإحضار الخبز ويحرقه في تلك اللحظة.
- إذا رأى المساعد أن لديه بالفعل 1,000 صورة لـ "خبز مثالي"، فإنه يتجاهل الـ 100 قطعة التالية من الخبز المثالي التي تمر أمامه.
- هو لا ينتظر التعليمات من المكتب الخلفي؛ بل يتخذ القرار في اللحظة نفسها، بناءً على ما طبخه بالفعل وما لا يزال بحاجة لطبخه.
المشكلة الجوهرية: "الذيل الطويل" للقيادة
القيادة في العالم الحقيقي غريبة. معظم الوقت، تقود السيارات في طرق سريعة فارغة (أشياء مملة وشائعة). لكن الأشياء الخطيرة — مثل ركض طفل في الشارع أو انفجار إطار في المطر — تحدث نادراً جداً.
إذا قمت فقط بتسجيل كل شيء (البيانات الضخمة)، فستكون 99% من ذاكرة التخزين لديك مليئة بالقيادة المملة على الطرق السريعة. ستضيع المال في تخزينها والوقت في إرسالها عبر الإنترنت. وقد تفوتك اللحظات النادرة والخطيرة لأنك كنت مشغولاً جداً بتسجيل اللحظات المملة.
الحل: نظام الحلقة المغلقة
يقترح المؤلفون نظاماً تعمل فيه السيارة بمثلة "فلتر ذكي" مع ذاكرة.
- الهدف: تعرف السيارة نوع "الوصفة" (مجموعة البيانات) التي يحتاجها الذكاء الاصطناعي. ربما يحتاج إلى المزيد من سيناريوهات "الليلة الممطرة" أو المزيد من أمثلة "الفرملة المفاجئة".
- التحقق: بينما تقود السيارة، تسأل باستمرار: "هل لدي بالفعل ما يكفي من الأمثلة لهذا؟ أم أن هذه لحظة جديدة أو نادرة أو مهمة يجب عليّ حفظها؟"
- القرار:
- إذا كان مجرد يوم مشمس آخر على الطريق السريع؟ تجاهل ذلك. (لتوفير المساحة والمال).
- إذا كان موقفاً غريباً أو مخيفاً أو نادراً؟ سجله فوراً!
- الحلقة: تقوم السيارة بتحديث "قائمة التسوق" الخاصة بها في الوقت الفعلي. إذا سجلت للتو ليلة ممطرة، فهي تعرف أنها لا تحتاج إلى ليلة ممطرة أخرى الآن. وإذا لم ترَ طفلاً على دراجة منذ فترة، فستصبح شديدة اليقظة تجاه الدراجات.
لماذا هذا مهم؟
يغير هذا النهج قواعد اللعبة بثلاث طرق:
- الجودة فوق الكمية: بدلاً من جبل من البيانات غير المفيدة، تحصل على "ألماس" من البيانات عالية الجودة وذات الصلة.
- السرعة: تتعلم السيارة وتتحسن بشكل أسرع بكثير لأنها لا تنتظر البشر لفرز تيرابايت من البيانات غير المفيدة لاحقاً.
- التكلفة: توفر ثروة في التخزين ونطاق الإنترنت الترددي لأنك لا ترسل البيانات المملة إلى السحابة.
الخلاصة
تجادل الورقة بأنه لبناء سيارات ذاتية القيادة آمنة وذكية، لا يمكننا أن نكون مجرد مسجلات سلبية. يجب أن نكون منسقين نشطين.
فكر في الأمر كبناء مكتبة.
- البيانات الضخمة هي شراء كل كتاب طُبع على الإطلاق على أمل أن يقرأ شخص ما الكتاب الصحيح.
- البيانات السريعة هي أمين مكتبة يعرف بالضبط القصص التي يحتاجها المجتمع، فيخرج ويبحث عن تلك القصص المحددة فقط ويضعها على الرف، متجاهلاً البقية.
من خلال نقل عملية اتخاذ القرار من "المكتب الخلفي" إلى "السيارة نفسها"، يمكننا بناء ذكاء اصطناعي أفضل، وأسرع، وأرخص، وأكثر أماناً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.