🤖 machine learning

RAG-HAR+: Towards Cost-Efficient LLM-Based Human Activity Recognition for Edge Deployment

تقدم الورقة البحثية إطار عمل RAG-HAR+، وهو إطار عمل يعتمد على الاسترجاء أولاً ومُحسَّن من حيث التكلفة للتعرف على الأنشطة البشرية، والذي يستفيد من وكيل يعمل في وضع عدم الاتصال لتصميم ميزات خاصة بمجموعة البيانات، ويستخدم التصويت بالأغلبية لتقليل استخدام النماذج اللغوية الكبيرة مع الحفاظ على أداء تنافسي عبر مقاييس متنوعة.

المؤلفون الأصليون: Hansi Karunarathna, Nirhoshan Sivaroopan, Chamara Madarasingha, Anura Jayasumana, Kanchana Thilakarathna

نُشر 2026-07-30

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Hansi Karunarathna, Nirhoshan Sivaroopan, Chamara Madarasingha, Anura Jayasumana, Kanchana Thilakarathna

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 أن جسدك عبارة عن أوركسترا صاخبة، وأن مستشعرات صغيرة على معصمك أو ملابسك هي قادة الأوركسترا، يستمعون باستمرار إلى إيقاع خطواتك، وتمايل ذراعيك، ونبضات قلبك. هذا المجال، المسمى "التعرف على النشاط البشري" (HAR)، هو الطريقة التي تتعلم بها الحواسيب التمييز بين جريك، أو نومك، أو كتابتك على لوحة المفاتيح. لفترة طويلة، كانت أفضل طريقة لتعليم الحواسيب هذا الأمر هي إجبارها على حفظ مكتبات ضخمة من الأمثلة المصنفة، مثل طالب يحفظ للاختبار عبر قراءة كل كتاب في المكتبة. لكن هذا الأمر مكلف، وبطيء، ويتعطل إذا قمت بتغيير المستشعر أو النشاط. مؤخرًا، ظهرت فكرة جديدة: بدلاً من الحفظ، لماذا لا تترك الكمبيوتر "يبحث" عن أمثلة سابقة مشابهة في قاعدة بيانات ضخمة ويطلب من ذكاء اصطناعي فائق الذكاء (نموذج لغوي كبير، أو LLM) المساعدة في فهم ما يحدث؟ الأمر يشبه امتلاك أمين مكتبة عبقري يمكنه العثور فوراً على أكثر القصص تشابهاً لمساعدتك في حل لغز ما. ولكن حتى هذه الطريقة الجديدة بها عقبة: فطلب المساعدة من أمين المكتبة العبقري في كل خطوة تخطوها أمر بطيء، ومكلف للغاية، ويتطلب اتصالاً مستمراً بالإنترنت.

يقدم هذا البحث تحديثاً ذكياً يسمى RAG-HAR+، والذي يحل هذه المشكلة عن طريق تغيير متى وكيف نطلب المساعدة. وجد المؤلفون أن الطريقة السابقة كانت تشبه استدعاء مستشار لكل سؤال، حتى الأسئلة السهلة. يعمل RAG-HAR+ كوكالة تحريات ذكية. أولاً، يستخدم النظام الذكاء الاصطناعي "دون اتصال" (قبل أن تبدأ في الحركة) لتصميم "نظام أرشفة" أفضل لقاعدة البيانات، حيث يختار الأدلة المحددة التي تهم نشاطك الخاص. ثم، عندما تتحرك، يحاول النظام حل اللغز بمجرد النظر إلى الأمثلة السابقة الأكثر تشابهًا في قاعدة البيانات. وهو لا يستدعي مستشار الذكاء الاصطناعي باهظ الثمن إلا إذا كانت الأدلة مربكة ولم تستطع قاعدة البيانات الاتفاق على إجابة. ومن خلال القيام بذلك، يصبح النظام سريعاً للغاية، ورخيصاً، ويعمل حتى عندما يكون الإنترنت ضعيفاً، مع بقائه بنفس دقة الطرق القدسة الأبطأ.

المشكلة: المحقق "المفرط في الاستدعاء"

تخيل أن لديك مساعد ذكاء اصطناعي فائق الذكاء يعرف كل شيء عن حركة الإنسان. في النظام الأصلي (RAG-HAR)، في كل مرة تخطو فيها خطوة، يتوقف النظام، ويرسل رسالة إلى الذكاء الاصطناعي، ويسأله: "ماذا أفعل؟". يقرأ الذكاء الاصطناعي الرسالة، وينظر في بعض الأمثلة السابقة، ثم يجيب. هذا يعمل، لكنه يشبه توظيف محقق مشهور عالمياً لحل كل قضية، من "من سرق الكعكة؟" إلى "من قتل الخادم؟". إنه هدر لوقت المحقق وماله في قضية سرقة الكعكة. بالإضافة إلى ذلك، إذا كان المحقق في بلد آخر (السحابة)، فعليك الانتظار حتى تعود الرسالة ذهاباً وإياباً في كل مرة، مما يجعل العملية بطئة.

أدرك الباحثون أن معظم الخطوات تكون إجابتها واضحة إذا نظرت فقط إلى الأمثلة السابقة الصحيحة. لست بحاجة إلى عبقري ليخبرك أن المشي يشبه المشي؛ أنت فقط بحاجة للعثور على بضعة أمثلة أخرى للمشي في قاعدة البيانات. المشكلة في النظام القديم كانت أنه استخدم طريقة "مقاس واحد يناسب الجميع" لوصف الحركة، مما أدى أحياناً إلى تفويت الأدلة الدقيقة التي تجعل النشاط فريداً.

الحل: نظام الأرشفة الذكي و"محلل الغموض"

يغير RAG-HAR+ قواعد اللعبة من خلال حيلتين رئيسيتين.

1. مصمم "نظام الأرشفة" دون اتصال
قبل أن تبدأ تمرينك، يستخدم النظام الذكاء الاصطناعي لمرة واحدة لتصميم نظام أرشفة مخصص لمجموعتك من البيانات. فكر في هذا على أن الذكاء الاصطناعي يعمل كمكتب، يدرس مكتبتك ويقرر: "حسناً، بالنسبة لهذه المجموعة من الكتب، يجب أن أنظمها حسب اللون والمؤلف، وليس حسب النوع وعدد الصفحات". ينظر الذكاء الاصطناعي في آلاف الطرق المختلفة لوصف الحركة (مثل سرعتها، أو مدى تذبذبها، أو إيقاعها) ويختار أفضل ثلاث مجموعات من الأدلة التي تعمل بشكل أفضل لمستشعراتك وأنشطتك المحددة. يحدث هذا مرة واحدة فقط، دون اتصال، لذا فهو لا يبطئك لاحقاً.

2. "محلل الغموض" (الخيار البديل الذكي)
الآن، عندما تتحرك، لا يستدعي النظام الذكاء الاصطناعي فوراً. بدلاً من ذلك، يأخذ حركتك الحالية، ويترجمها إلى تلك الأدلة المخصصة، ويبحث في قاعدة البيانات عن أفضل 10 أمثلة سابقة مشابهة.

تصويت الأغلبية: إذا قالت 8 من أصل 10 من تلك الأمثلة السابقة "أنت تركض"، فإن النظام يقول ببساطة: "حسناً، أنت تركض"، ويمضي قدماً. لا حاجة للذكاء الاصطناعي!
الخيار البديل: إذا كانت قاعدة البيانات مرتبكة — على سبيل المثال، إذا قالت 5 أمثلة "جري" و5 أمثلة "هرولة" — حينها يستدعي النظام الذكاء الاصطناعي. هذا الذكاء الاصطناعي، الذي يسمى الآن "محلل الغموض"، ينظر في الأدلة المربكة والأمثلة السابقة لاتخاذ القرار النهائي والذكي.

هذا يعني أن الذكاء الاصطناعي الباهظ الثمن يتم استدعاؤه فقط للحظات الصعبة والمربكة. أما بالنسبة للحظات السهلة والواضحة، فيعمل النظام بمفرده، مستخدماً عمليات حسابية بسيطة لعد الأصوات.

النتائج: السرعة، والتوفير، والذكاء

اختبر الباحثون هذا النظام الجديد على ست مجموعات مختلفة من البيانات، تتراوح من مشي وجري الناس إلى مهام التجميع الصناعية المعقدة. كانت النتائج مبهرة:

الدقة: كان النظام الجديد جيداً بقدر الطريقة القديمة، أو حتى أفضل منها، في التعرف على الأنشطة. وفي بعض مجموعات البيانات، حسّن الدقة بشكل كبير (على سبيل_مثال، في مجموعة بيانات MHEALTH، ارتفعت الدقة من 96.91% إلى 98.35%).
توفير التكاليف: نظرًا لتوقفه عن استدعاء الذكاء الاصطناعي لكل عينة، فقد قلل من كمية البيانات المرسلة إلى الذكاء الاصطناعي بنسبة تترا-واح بين 89.3% إلى 99.9%. في إحدى الحالات (MHEALTH)، اضطر لاستدعاء الذكاء الاصطناعي لعينة واحدة فقط من أصل 666!
السرعة: أصبح النظام أسرع بكثير. في مجموعة بيانات MHEALTH، انخفض الوقت المستغرق للتعرف على النشاط من 18.25 ثانية إلى 0.41 ثانية فقط. أي زيادة في السرعة تزيد عن 44 ضعفاً! وحتى في أبطأ مجموعة بيانات، كان لا يزال أسرع بنحو 5.7 مرة.

لماذا يهم هذا المستقبل

بنى الباحثون أيضاً نموذجاً أولياً يعمل على هاتف ذكي حقيقي لإظهار أن هذا ليس مجرد نظرية. لقد حولوه إلى أداة (Widget) في تطبيق لياقة بدنية. وعندما اختبروه على هاتف حقيقي، كانت زيادة السرعة أكثر دراماتيكية — حوالي 15 مرة أسرع — لأن الهاتف لم يكن مضطراً للانتظار عبر الإنترنت للتحدث مع الذكاء الاصطناعي في كل خطوة.

يشير المؤلفون إلى أن هذا النهج يعد خطوة كبيرة نحو جعل تطبيقات الصحة واللياقة الذكية تعمل في كل مكان، حتى بدون اتصال مثالي بالإنترنت، ودون تكبد تكاليف باهظة لتشغيلها. إنهم يثبتون أنك لست بحاجة لطلب المساعدة من "العبقري" في كل شيء صغير؛ فأحياناً، نظام أرشفة ذكي وتصويت بسيط هو كل ما تحتاه. وتخلص الورقة البحثية إلى أنه من خلال تغيير دور الذكاء الاصطناعي من عامل متصل دائماً إلى مصمم ذكي وخبير احتياطي، يمكننا جعل التعرف على النشاط أرخص، وأسرع، وجاهزاً للعالم الحقيقي.

ملخص تقني: RAG-HAR+ نحو التعرف على الأنشطة البشرية القائم على النماذج اللغوية الكبيرة (LLM) بكفاءة التكلفة للنشر على الحافة (Edge Deployment)

بيان المشكلة

يعد التعرف على الأنشطة البشرية (HAR) من المستشعرات القابلة للارتداء أمراً بالغ الأهمية في مجالات الرعاية الصحية، واللياقة البدنية، والبيئات الذكية. ومع ذلك، تواجه أساليب التعلم العميق (DL) الحالية عوائق كبيرة أمام النشر العملي على الحافة: فهي تتطلب تدريباً خاصاً بكل مجموعة بيانات، وتتطلب مجموعات بيانات ضخمة مصنفة، وتعاني من تدهور الأداء تحت تأثير تحولات النطاق (مثل تغير مكان وضع المستشعر أو تغير الشخص). وبينما توفر النماذج اللغوية الكبيرة (LLMs) بديلاً لا يتطلب تدريباً بفضل قدرتها القوية على الاستدلال الدلالي، فإن تطبيقها المباشر على الـ HAR يعوقه الطبيعة المستمرة ومتعددة القنوات لبيانات المستشعرات، مما يستنزف ميزانيات السياق (Context Budgets) ويتسبب في تكاليف حوسبة وزمن استجابة مرتفعين.

لقد عالج عمل المؤلفين السابق، RAG-HAR، هذه المشكلة عبر صياغة الـ HAR كمهمة مدعومة بالاسترجاع (Retrieval-augmented task)، باستخدام أوصاف إحصائية لنوافذ المستشعرات لاسترجاع أمثلة مشابهة مصنفة لتوجيه تصنيف الـ LLM. ومع ذلك، احتفظ RAG-HAR بعائقين حرجين للنشر المستمر على الحافة:

تمثيل استرجاع ثابت: استخدم مجموعة ثابتة من الإحصائيات الأساسية (المتوسط، الحد الأقصى، الحد الأدنى، إلخ) عبر جميع مجموعات البيانات، مما فشل في التقاط السمات المميزة الخاصة بكل مجموعة بيانات (مثل الدورية للحركة المكانية مقابل القدرة في وضعيات الجلوس والوقوف).
استدعاء إلزامي للـ LLM: كان يتم استدعاء الـ LLM لكل عينة اختبار، مما يؤدي إلى رحلات ذهاب وإياب عبر الشبكة، وتكاليف عالية للرموز (Tokens)، وزمن استجابة متغير، حتى عندما كانت الجيران المسترجعة تقدم إجابة واثقة بالفعل.

المنهجية: RAG-HAR+

يقدم RAG-HAR+ إطار عمل يعطي الأولوية للاسترجاع ويحسن التكلفة، حيث يعيد هيكلة دور الـ LLM من مصنف لكل عينة إلى مورد متخصص ومشروط. يتكون إطار العمل من مرحلتين متميزتين:

1. وكيل تصميم الاسترجاع غير المتصل (Offline Retrieval Designer Agent)

قبل عملية الاستدلال، يعمل وكيل يعتمد على الـ LLM كـ مصمم استرجاع لتحسين تمثيل الاسترجاع لمجموعة بيانات محددة.

مجمع السمات (Feature Pool): يتم تزويد الوكيل بمجمع متنوع من الواصفات التي تشمل الفئات الإحصائية، والزمنية، والطيفية، وكثافة الحركة، وشكل الإشارة.
التصميم التكراري: من خلال عملية تكرارية، يقوم الوكيل باختيار وتقسيم السمات إلى ثلاث مجموعات سمات مدمجة وغير متداخلة ( $G^*_1, G^*_2, G^*_3$ ).
حلقة التغذية الراجعة: يقترح الوكيل المجموعات، ويقيمها على مجموعة بيانات تحقق باستخدام F1 الاسترجاع (أداء التصويت بالأغلبية على الجيران المسترجعين) و معدل إصابة RAG (وجود التصنيف الصحيح في أفضل $q$ من الجيران)، ويقوم بتحسين المجموعات عبر "مطالبات التحسين" لمعالجة الفئات الضعيفة أو التكرار.
النتيجة: ينتج عن ذلك تمثيلات متعددة المتجهات خاصة بمجموعة البيانات، والتي تتوافق بشكل أفضل مع أنماط الحركة الفريدة لتصنيف النشاط المستهدف.

2. خط أنابيب الاستدلال عبر الإنترنت (Online Inference Pipeline)

أثناء الاستدلال في الوقت الفعلي، يعمل النظام كما يلي:

البحث متعدد المتجهات: تتم معالجة نافذة الاستعلام باستخدام مجموعات السمات المختارة لإنشاء ثلاثة متجهات استعلام. يتم البحث عنها مقابل فهرس متعدد المتجهات (حيث يتم تخزين كل عينة تدريب كثلاثة حقول متجهات منفصلة).
إعادة التصنيف الموزون (Weighted Re-ranking): يتم دمج النتائج من حقول المتجهات الثلاثة وإعادة تصنيفها باستخدام أوزان محسنة لاختيار أفضل $q$ من الجيران.
التوجيه الحتمي (التصويت بالأغلبية): يطبق النظام تصويتاً بالأغلبية خالياً من المعاملات (Parameter-free) على تسميات أفضل $q$ $q$ من الجيران.
- أغلبية واضحة: إذا فاز تسمية واحدة بالأغلبية، يتم التنبؤ بالنشاط مباشرة. لا يتم استدعاء الـ LLM.
- الغموض: إذا تعادلت تسميتان أو أكثر على أعلى تصويت، يتم توجيه العينة إلى وكيل حل الغموض (Ambiguity Resolver Agent).
وكيل حل الغموض: في حالات الغموض، يتم استدعاء الـ LLM عبر الإنترنت. يتلقى الـ LLM مطالبة مهيكلة تحتوي على الأوصاف الإحصائية لنافذة الاستعلام (المحسوبة عبر الأجزاء البداية، والمنتصف، والنهاية، والنافذة الكاملة) والأمثلة المسترجعة، مما يسمح له بالاستدلال على سياق محدد لحل حالة التعادل.

المساهمات الرئيسية

استخدام ثنائي المرحلة للـ LLM: يعيد البحث صياغة استخدام الـ LLM في الـ HAR إلى مرحلة مصمم استرجاع (غير متصلة) ومرحلة حل غموض (مشروطة عبر الإنترنت). هذا ينقل تكلفة الاستدلال من التوسع مع عدد العينات إلى التوسع مع غموض التنبؤ.
تجميع السمات التكيفي: تقديم وكيل موجه بالـ LLM يقوم ببناء مجموعات استرجاع متعددة المتجهات مدمجة وخاصة بمجموعة البيانات، بدلاً من الواصفات الإحصائية العامة والثابتة للطرق السابقة.
نموذج أولي للهاتف المحمول: تنفيذ نموذج أولي يعتمد على الهاتف الذكي (تطبيق Flutter) يوضح الجدوى العملية لهذا النهج القائم على الاسترجاع في بيئة حافة محمولة واقعية، بما في ذلك قياسات زمن الاستجابة على الجهاز وتحديثات الفهرس التدريجي.
تقييم شامل: تقييم موسع عبر ستة معايير مرجعية للـ HAR (USC-HAD, PAMAP2, MHEALTH, GOTOV, HHAR, Skoda) مع دراسات استئصال (Ablation studies) تعزل مساهمات مصمم الاسترجاع، وتجميع السمات، واستراتيجيات التوجيه.

النتائج

الأداء: يحقق RAG-HAR+ أداءً تنافسياً أو محسناً مقارنة بـ RAG-HAR وبالنماذج المرجعية غير القائمة على الـ LLM. لقد حسن درجات F1 في أربعة من أصل ستة معايير (USC-HAD, MHEALTH, HHAR, Skoda) بينما ظل تنافسياً في المعايير الأخرى.
خفض التكلفة: يقلل إطار العمل بشكل كبير من استخدام الـ LLM عبر الإنترنت. عبر المعايير الستة، انخفض استهلاك الرموز (Tokens) عبر الإنترنت بنسبة 89.3% إلى 99.9%. على سبيل المثال، في مجموعة بيانات MHEALTH، تطلبت عينة واحدة فقط استدعاء الـ LLM من أصل 666 عينة اختبار.
زمن الاستجابة (Latency): انخفض زمن استجابة الاستدلال بمقدار 5.7 إلى 44.5 ضعفاً مقارنة بـ RAG-HAR. في النموذج الأولي للهاتف المحمول، انخفض زمن الاستجابة من ~5.4 ثانية إلى ~0.36 ثانية لكل عينة (تسريع بمقدار ~15 ضعفاً)، ويرجع ذلك أساساً إلى أن معظم العينات تتجاوز رحلة الذهاب والإياب عبر الشبكة إلى الـ LLM.
جودة الاسترجاع: حسنت مجموعات السمات التكيفية بشكل كبير من F1 الاسترجاع (أداء التصويت وحده)، مما قلل الفجوة بين تنبؤات الاسترجاع فقط والتنبؤات النهائية المدعومة بالـ LLM. وهذا يشير إلى أن خطوة الاسترجاع توفر أدلة أقوى، مما يقلل الحاجة إلى الحلول البديلة.

الأهمية والادعاءات

يدعي البحث أن RAG-HAR+ يثبت الجدوى العملية لـ التعرف على الأنشطة البشرية (HAR) المدعوم بالاسترجاع ولا يتطلب تدريباً للنشر على الحافة. من خلال فصل الـ LLM عن المسار الحرج لكل عملية استدلال، يحقق النظام نقطة تشغيل قابلة للتوسع حيث:

تتوسع تكلفة الاستدلال مع الغموض، وليس مع حجم البيانات.
يتم تعزيز جودة الاسترجاع من خلال تمثيلات سمات مخصصة لمجموعة البيانات ومصممة بالـ LLM دون الحاجة لتدريب المصنف.
النشر على الحافة يصبح ممكناً للمراقبة المستمرة، حيث يقلل النظام من الاعتماد على الشبكة وتكاليف الرموز مع الحفاظ على دقة عالية.

يضع المؤلفون هذا العمل كخطوة نحو أنظمة HAR قابلة للتوسع والتعميم تستفيد من قدرات الاستدلال للنماذج اللغبية الكبيرة دون تحمل تكاليف حوسبة أو مالية باهظة، مما يجعلها مناسبة لبيئات الأجهزة القابلة للارتداء والمحمولة ذات الموارد المحدودة.