چکیده مقاله
با گسترش سریع کاربردهای بلادرنگ اینترنت اشیاء، مدل های هوش مصنوعی بزرگ LLMها و نیاز به پردازش نزدیک به منبع داده، سیستم عامل های ابری سنتی دیگر قادر به پاسخگویی به چالش های مقیاس پذیری، تاخیر، مصرف انرژی و تهدیدات سایبری پویا نیستند این پژوهش چارچوب یک سیستم عامل بومی هوش مصنوعی AI Native OS را در پیوستار Cloud Edge پیشنهاد می کند که هوش مصنوعی را نه به عنوان لایه افزونه، بلکه به عنوان بخشی ذاتی از هسته سیستم AI as the control plane در نظر می گیرد این چارچوب با بهره گیری از یادگیری تقویتی عمیق توزیع شده Distributed Deep Reinforcement Learning مانند مدل های PPO و Multi Agent RL، هوش مصنوعی مولد برای تولید خودکار سیاست ها، و تکنیک های توضیح پذیری هوش مصنوعی XAI مانند SHAP و LIME، مدیریت منابع، امنیت و بهینه سازی کربن محور را به صورت خودکار و شفاف انجام می دهد معماری پنج لایه ای پیشنهادی امکان تقسیم هوشمند وظایف، مهاجرت تطبیقی کانتینرها و VMها، تشخیص آنومالی رفتاری با Graph Neural Networks، و زمان بندی سبز carbon aware scheduling را فراهم می کند شبیه سازی های گسترده با ابزارهای ترکیبی CloudSim، EdgeCloudSim و سناریوهای واقعی Google Cluster Traces، workloads IoT و inference AI نشان دهنده کاهش حدود ۲۷ ۳۲٪ مصرف انرژی، کاهش ۶۸٪ زمان تشخیص و پاسخ به تهدیدات، بهبود نرخ رعایت SLA به بیش از ۹۶٪ و کاهش ۴۲ ۵۵٪ مهاجرت های غیرضروری است این چارچوب با روندهای نوظهور ۲۰۲۵ ۲۰۲۶ مانند AI Native Cloud DigitalOcean با لایه های infrastructure، inference، data و managed agents ، GKE برای agent native orchestration و رویکردهای Carbon Aware Edge Computing همخوانی کامل دارد و مبنایی محکم برای توسعه پلتفرم های محاسباتی همگرا، پایدار و قابل اعتماد فراهم می آورد
کلیدواژهها
نویسندگان
شیوه ارجاع
�یزدی، علی و روان بخش، احمدرضا و بهزادپور، مهدی و نوروزی، سجاد،1405،سیستم عامل بومی هوش مصنوعی در پیوستار محاسباتی Cloud-Edge: چارچوبی تطبیقی برای مدیریت هوشمند منابع، امنیت توضیح پذیر و پایداری انرژی،سی امین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات سی امین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات29 مرداد 1405 · بابل