رایانش توزیع شده

در فرآیند سنتی یادگیری ماشین، جمع‌آوری داده‌ها اولین و اغلب پرهزینه‌ترین مرحله است. برای آموزش یک مدل، باید داده‌های خام کاربر — مانند عکس‌ها، پیام‌های متنی، سوابق بهداشتی یا تراکنش‌های مالی — را جمع‌آوری کرده و در یک سرور ابری متمرکز بارگذاری کنید. اگرچه این رویکرد متمرکز انقلاب هوش مصنوعی را به پیش برده است، اما با چالش‌های بزرگی روبرو است: ۱. نگرانی‌های حریم خصوصی: کاربران به طور فزاینده‌ای از بارگذاری داده‌های خصوصی در سرورهای شخص ثالث خودداری می‌کنند. ۲. قوانین داده: مقرراتی مانند GDPR و HIPAA انتقال و ذخیره‌سازی داده‌های شخصی را به شدت محدود می‌کنند. ۳. هزینه‌های پهنای باند: بارگذاری گیگابایت‌ها داده خام از میلیون‌ها دستگاه لبه (مانند گوشی‌های هوشمند) بسیار ناکارآمد است.