طرح معماری «هوش مصنوعی شبکه‌ای» با عامل‌های ناهمگون و پیوسته‌تکامل‌یابنده

پیش‌چاپی با عنوان «Networked AI: Architecture, Theory, and Applications» معماری‌ای برای هوش مصنوعی شبکه‌ای معرفی می‌کند: سامانه‌ای متشکل از عامل‌های هوش مصنوعی ناهمگون که با یکدیگر تعامل دارند و پیوسته تکامل می‌یابند. نویسندگان می‌گویند روش‌های رایج، از جمله یادگیری عمیق در مقیاس بزرگ، عمدتاً به آموزش یکپارچه یا آفلاین روی مجموعه‌داده‌های گزینش‌شده متکی‌اند؛ رویکردی که با افزایش نیاز به داده و محاسبات، سازگاری محدود در زمان اجرا و کمبود هوشمندی در سطح سامانه برای محیط‌های باز و ناپایدار روبه‌رو است.

معماری پیشنهادی سه لایه دارد: لایهٔ عامل برای ساخت قابلیت‌های ناهمگون، لایهٔ تعامل برای استخراج آنلاین داده با هدایت پردازش سیگنال، و لایهٔ تنظیم. متن در دسترس دربارهٔ سازوکار لایهٔ تنظیم و نتایج کاربردی مقاله جزئیات بیشتری ارائه نمی‌کند.