المصنف المحلي
المُصنِّف المحلي (Local Classifier) هو نموذج تعلم آلي أو مكون مصمم لأداء مهام التصنيف باستخدام بيانات تتم معالجتها مباشرة على جهاز محلي أو ضمن بيئة محدودة وموضعية. على عكس النماذج السحابية الكبيرة والمركزية، تعمل المُصنِّفات المحلية بموارد حوسبة محدودة وغالبًا دون اتصال دائم بالإنترنت.
يعالج التحول نحو التصنيف المحلي احتياجات حيوية في الحوسبة الحديثة، وتحديداً زمن الاستجابة والخصوصية. من خلال اتخاذ القرارات محليًا، يمكن للتطبيقات الاستجابة بشكل فوري، وهو أمر حيوي للأنظمة في الوقت الفعلي. علاوة على ذلك، يضمن معالجة البيانات الحساسة على الجهاز الامتثال للوائح صارمة لحوكمة البيانات، حيث لا تحتاج البيانات الأولية أبدًا إلى مغادرة جهاز المستخدم.
عادةً ما تكون المُصنِّفات المحلية إصدارات مُحسَّنة من النماذج الأكبر والأكثر تعقيدًا. يتم استخدام تقنيات مثل تكميم النموذج (model quantization)، والتقليم (pruning)، وتقطير المعرفة (knowledge distillation) لتقليل حجم النموذج وبصمته الحاسوبية مع الحفاظ على دقة تنبؤ عالية. يتم تدريب النموذج مركزيًا على مجموعات بيانات ضخمة، ولكنه يتم نشره بعد ذلك بتنسيق خفيف الوزن مناسب للتنفيذ على الأجهزة الطرفية (مثل الهواتف الذكية، وأجهزة استشعار إنترنت الأشياء، والخوادم المحلية).
يرتبط هذا المفهوم ارتباطًا وثيقًا بالحوسبة الطرفية (Edge Computing)، والتعلم الآلي المصغر (TinyML)، والتعلم الموحد (Federated Learning)، حيث يتم تدريب النماذج بشكل تعاوني عبر العديد من الأجهزة المحلية دون مركزية البيانات الأولية.
