A Double-Sided Walrasian Auction Mechanism for Decentralized Resource Allocation in Collaborative Multi-Access Edge Computing

في الطبقة غير المرئية من التكنولوجيا التي تقع بين هواتفنا الذكية ومراكز البيانات الضخمة في السحابة، تحدث ثورة هادئة. هذه الطبقة، المعروفة باسم "حوسبة الحافة" (edge computing)، تجلب قوة المعالجة لتكون أقرب إلى مكان إنشاء البيانات، مثل داخل سيارة أو مستشعر في مدينة ذكية. والهدف هو التعامل مع المهام التي لا يمكنها تحمل حتى جزءاً من الثانية من التأخير، مثل سيارة ذاتية القيادة تضغط على المكابح من أجل أحد المشاة، أو جراح يتحكم في ذراع روبوتية من على بعد أميال. ومع ذلك، مع انفجار عدد هذه الأجهزة، تواجه الحواسيب الصغيرة عند الحافة أزمة؛ إذ يُطلب منها القيام بالكثير من العمل بطاقة قليلة جداً، وأصبحت الطرق الحالية المستخدمة لتحديد أي جهاز يحصل على أي مورد حوسبي بطيئة للغاية ومعقدة لدرجة لا تسمح بمواكبة التطور.

لسنوات، حاول الباحثون حل نقص الموارد هذا باستخدام الذكاء الاصطناعي. تتعلم هذه الأنظمة من خلال التجربة والخطأ، وتعدل قراراتها باستمرار لتجد أفضل طريقة لمشاركة قوة الحوسبة. لكن عملية التعلم هذه ثقيلة؛ فهي تتطلب وقتاً هائلاً لتدريب الذكاء الاصطناعي، وتستهلك طاقة كبيرة، وغالباً ما تفشل عندما تتغير البيئة بسرعة كبيرة. وفي عالم يمكن أن يعني فيه اتخاذ قرار في جزء من الثانية الفرق بين السلامة والكارثة، لم يعد انتظار الكمبيوتر لـ "يتعلم" الإجابة الصحيحة خياراً قابلاً للتطبيق. لذا، فإن التحدي يكمن في إيجاد طريقة لتخصيص موارد الحوسبة الشحيحة هذه بشكل فوري، وبإنصاف، ودون العبء الثقيل لتعلم الآلة المعقد.

اقترح فريق من الباحثين مساراً مختلفاً، مساراً يستعير فكرة عمرها قرون من علم الاقتصاد بدلاً من الاعتماد على الذكاء الاصطناعي الحديث. إنهم يقترحون التعامل مع شبكة خوادم الحافة وأجهزة إنترنت الأشياء ليس كمشكلة تقنية تُحل بالخوارزميات، بل كسوق. في هذه الرؤية، تكون الأجهزة التي تحتاج إلى قوة الحوسبة هي "المشترون"، والخوادم التي توفر القوة هي "البائعون". تماماً كما يعدل سوق المزارعين الأسعار بناءً على عدد الأشخاص الذين يريدون التفاح وكمية التفاح المتاحة، يقوم هذا النظام الجديد بتعديل تكلفة قوة الحوسبة في الوقت الفعلي لموازنة العرض والطلب.

طوّر الباحثون آلية تسمى "مزاد والراسيان مزدوج الجوانب" (double-sided Walrasian auction). في هذا النظام، يقوم "دلال مزاد" افتراضي ببث سعر لموارد الحوسبة باستمرار. وتقرر الأجهزة، التي تعمل كمشترين عقلانيين، مقدار القوة التي ترغب في شرائها بهذا السعر بناءً على مدى إلحاح مهمتها. فالمركبة التي تحتاج إلى التوقف فوراً ستكون مستعدة لدفع سعر مرتفع، بينما قد ينتظر جهاز يرسل تحديثاً خلفياً إذا كان السعر مرتفعاً جداً. وفي الوقت نفسه، تعمل الخوادم كبائعين، حيث تقرر مقدار القوة التي ستعرضها بناءً على السعر الذي تتلقاه وتكلفة الطاقة لتشغيل أجهزتها. فإذا كان السعر منخفضاً، قد يوفر الخادم الطاقة عبر تقديم قدر أقل من القوة؛ وإذا كان السعر مرتفعاً، فسيعمل بجهد أكبر لكسب الربح.

من خلال عملية تعديل سريعة للأسعار، يجد النظام طبيعياً نقطة يتطابق فيها إجمالي القوة التي تريد الأجهزة شراءها مع إجمالي القوة التي ترغب الخوادم في بيعها تماماً. وتُعرف هذه الحالة باسم "توازن السوق". وقد أثبت الباحثون رياضياً أن هذا النهج يؤدي إلى التوزيع الأكثر كفاءة للموارد، مما يضمن حصول المهام الأكثر أهمية على القوة التي تحتاجها بينما تنتظر المهام الأقل أهمية. وخلافاً لنماذج الذكاء الاصطناعي التي تعاني من أجل التكيف مع التغييرات المفاجئة، فإن هذا النموذج الاقتصادي يستجيب فوراً لأنه يعتمد على حسابات مباشرة وبسيطة بدلاً من أنماط التعلم المعقدة.

ولاختبار ما إذا كانت هذه الفكرة تعمل في العالم الحقيقي، أجرى الفريق عمليات محاكاة باستخدام بيانات من شبكات مركبات فعلية، شملت آلاف الأجهزة وأنواعاً متنوعة من الخوادم. وقارنوا طريقة المزاد الجديدة بنهج الذكاء الاصطناعي الرائد، الذي يستخدم تقنية تسمى "التعلم المعزز العميق متعدد الوكلاء" (multi-agent deep reinforcement learning). وكانت النتائج مذهلة؛ فقد استغرق نموذج الذكاء الاصطناعي عدة ثوانٍ لاتخاذ قرار واحد عندما كبر حجم الشبكة، وهو تأخير قد يكون قاتلاً لسيارة ذاتية القيادة. وفي المقابل، قام آلية المزاد بتصفية السوق وتخصيص الموارد في أقل من ثلاثين مللي ثانية، حتى عند التعامل مع عشرة آلاف جهاز. ويمثل هذا تحسناً في السرعة بمقدار ألف مرة عن طريقة الذكاء الاصطناعي.

علاوة على ذلك، أظهرت الدراسة أن هذا النهج الاقتصادي لا يوفر الوقت فحسب، بل يعظم أيضاً المنفعة الإجمالية للنظام. فعندما تتعرض الشبكة لحمل زائد، يقوم المزاد طبيعياً باستبعاد المهام الأقل إلحاحاً من خلال رفع سعرها لإخراجها من السوق، مما يضمن ذهاب قوة الحوسم المحدودة إلى المهام الأكثر أهمية. ويحدث هذا دون زيادة استهلاك الطاقة للخوادم، التي تظل ضمن حدودها الفيزيائية. ووجد الباحثون أن النظام يظل مستقراً وفعالاً حتى تحت الضغط الشديد، وهي حالة تميل فيها العديد من الأساليب الأخرى إلى الانهيار.

ويشير هذا العمل إلى أن مستقبل إدارة شبكات الحافة قد لا يتطلب ذكاءً اصطناعياً أكثر قوة، بل يتطلب عودة إلى المبادئ الاقتصادية الأساسية. فمن خلال ترك السوق يحدد قيمة قوة الحوسبة في الوقت الفعلي، يحقق النظام مستوى من السرعة والموثوقية لا يمكن لنماذج التعلم المعقدة مضاهاته. ويقدم هذا النهج حلاً عملياً للاتصالات فائقة الموثوقية ومنخفضة زمن الوصول المطلوبة للجيل القادم من المدن الذكية والمركبات ذاتية القيادة، مما يثبت أن أسرع طريقة لحل مشكلة تقنية هي أحياناً ترك السوق يقرر.