
# Generiranje adaptivnih sintetičkih podataka u stvarnom vremenu za Edge AI koristeći drift‑svjesno pojačano učenje

Edge AI se pomiče iz istraživačke curiosnosti u tehnologiju spremnu za proizvodnju koja pokreće sve, od autonomnih dronova do pametnih kamera. Jedan od najvećih izazova s kojima se suočavaju implementacije na rubu je **nedostatak podataka**: prikupljanje, označavanje i prijenos velikih količina stvarnih podataka u oblak često je neizvedivo zbog ograničenja propusnosti, regulativa o privatnosti i ograničenja latencije. Sintetički podaci nude uvjerljivu alternativu, ali tradicionalni procesi generiraju statične skupove podataka koji brzo postaju zastarjeli kako se radno okruženje mijenja.

U ovom članku predstavljamo **drift‑svjesnu petlju pojačanog učenja (RL)** koja kontinuirano prilagođava generiranje sintetičkih podataka stvarnim karakteristikama rubnih tokova. Okvir spaja tri temeljna stupa:

1. **Detekcija drift‑a distribucije** – lagani statistički monitori koji označavaju kada se distribucija podataka na rubu razlikuje od sintetičke referentne baze.  
2. **Uzorkovanje temeljeno na pojačanom učenju** – RL agent koji uči prilagođavati hiper‑parametre generatora (npr. istraživanje latentnog prostora, uvjetne varijable) kako bi maksimizirao nagradu za kvalitetu.  
3. **Objašnjiva AI (XAI) povratna informacija** – model‑agnostična objašnjenja koja otkrivaju zašto su određeni sintetički uzorci preferirani, omogućujući revizorima i inženjerima da provjere usklađenost.

Rezultat je **samoučinkovita cjevovod sintetičkih podataka** koji na zahtjev isporučuje visokokvalitetne, privatnosti‑prijateljske podatke, održavajući modele na rubu točnim uz poštivanju regulatornih ograničenja.

---

## 1. Zašto tradicionalni cjevovodi sintetičkih podataka ne uspijevaju na rubu

| Ograničenje | Utjecaj na Edge AI |
|------------|-------------------|
| **Statičko generiranje** | Sintetički podaci se proizvedu jednom, a zatim zamrznu. Kada se okruženje promijeni (npr. osvjetljenje, drift senzora), performanse modela opadaju. |
| **Centralizirano treniranje** | Podaci se moraju poslati u oblak radi generiranja, što uzrokuje latenciju i troškove propusnosti. |
| **Slepo uzorkovanje** | Nasumično ili heurističko uzorkovanje ne jamči da generirani uzorci pokrivaju nove rubne slučajeve. |
| **Nedostatak objašnjivosti** | Inženjeri ne mogu pratiti zašto je određeni sintetički uzorak generiran, što otežava revizije usklađenosti. |

Ove slabosti dovode do **drift‑a modela**, veće pogreške inferencije i potencijalnih kršenja regulativa poput [GDPR](https://gdpr.eu/) ili [CCPA](https://oag.ca.gov/privacy/ccpa). Potreban je dinamičan, povratno‑vođen pristup.

---

## 2. Temeljni pojmovi

### 2.1 Detekcija drift‑a na rubu

Algoritmi za detekciju drift‑a moraju biti **lagani** kako bi radili na ograničenim uređajima. Dva pristupa dobro funkcioniraju:

* **Statistički testovi** – Kolmogorov‑Smirnov (KS) test, Population Stability Index (PSI).  
* **Monitori temeljeni na ugradnjama** – plitki auto‑enkoder radi na rubu, proizvodi ugradnje koje se uspoređuju s referentnom distribucijom pomoću kosinusne sličnosti.

Kada signal drift‑a premaši konfigurabilni prag, cjevovod pokreće **zahtjev za ponovnim generiranjem**.

### 2.2 Pojačano učenje za adaptivno uzorkovanje

RL agent tretira generiranje sintetičkih podataka kao **Markovov proces odlučivanja (MDP)**:

* **Stanje (s)** – trenutne metrike drift‑a, povijest nagrada i konfiguracija generatora.  
* **Akcija (a)** – prilagodbe hiper‑parametara generatora (npr. varijanca latentnog vektora, uvjetovanje na nove modalitete senzora).  
* **Nagrada (r)** – kompozitni rezultat koji balansira **vjernost sintetičkih podataka**, **potrošnju privatnog budžeta** i **poboljšanje performansi modela** na validacijskom uzorku.

Algoritam **Proximal Policy Optimization (PPO)** dobro funkcionira jer je uzorak‑efikasan i može se trenirati izvan mreže na centralnom poslužitelju prije nego što se destilira u laganu mrežu politike koja radi na rubu.

### 2.3 Povratna petlja objašnjive AI

Objašnjivost se postiže primjenom **SHAP** (Shapley Additive Explanations) na odluke RL politike. Atribuiranjem doprinosa nagrade specifičnim akcijama, inženjeri mogu:

* Provjeriti da su privatni uvjeti poštovani.  
* Identificirati koje dimenzije drift‑a (npr. temperatura, osvjetljenje) pokreću prilagodbe sintetičkih podataka.  
* Generirati revizijske zapise za regulatornu usklađenost.

---

## 3. Pregled arhitekture

Dolje je Mermaid dijagram koji prikazuje cjelokupni tok.

```mermaid
flowchart TD
    A[Edge Sensor Stream] --> B[Drift Detector]
    B -->|No Drift| C[Edge Inference Engine]
    B -->|Drift Detected| D[RL Policy (Edge)]
    D --> E[Generator Config Update]
    E --> F[Synthetic Data Generator (Cloud/Edge Hybrid)]
    F --> G[Synthetic Sample Pool]
    G --> H[Model Retraining Scheduler]
    H --> I[Updated Edge Model]
    I --> C
    D --> J[Explainability Module]
    J --> K[Audit Log & Dashboard]
    K --> L[Compliance Review]
```

*Dijagram ilustrira kako detekcija drift‑a pokreće RL politiku, koja zatim usmjerava generator. Objašnjivost hrani usklađenost.*

---

## 4. Detaljan pregled

### 4.1 Edge nadzor drift‑a

1. **Ekstrakcija značajki** – Svakih N sekundi rubni uređaj izvuče niskodimenzionalni vektor značajki (npr. histogram gradijenata, statistike senzora).  
2. **Ažuriranje referencije** – Pokretni prozor od posljednjih M vektora značajki čini **referentnu distribuciju**.  
3. **Statistički test** – Izračunava KS udaljenost između trenutnog batcha i referencije. Ako je `KS > τ`, podiže se signal drift‑a.

```python
def detect_drift(current_batch, reference_batch, threshold=0.05):
    ks_stat = ks_2samp(current_batch, reference_batch).statistic
    return ks_stat > threshold
```

### 4.2 Izvršavanje RL politike

Mreža politike prima vektor:

```
state = [ks_stat, psi_score, recent_reward, generator_lr, latent_variance]
```

Ispisuje distribuciju vjerojatnosti nad diskretnim akcijama:

```
actions = {
    0: "povećaj varijancu latentnog prostora",
    1: "smanji varijancu latentnog prostora",
    2: "dodaj novu uvjetnu varijablu",
    3: "smanji potrošnju privatnog budžeta",
    4: "ne mijenjaj"
}
```

Odabrana akcija se primjenjuje na konfiguraciju generatora, koja se zatim šalje **hibridnom generatoru** (dio na uređaju, dio u oblaku).

### 4.3 Hibridni generator

* **Dekoder na rubu** – Lagani dekoder radi na uređaju kako bi brzo renderirao sintetičke uzorke za neposrednu testiranje inferencije.  
* **Generator u oblaku** – Potpuno‑kapacitetni difuzijski model ili GAN nalazi se u oblaku i proizvodi visokorezolucijske podatke po potrebi.

Rubni uređaj traži **veličinu batcha** proporcionalnu ozbiljnosti drift‑a, osiguravajući da se propusnost koristi samo kada koristi nadmašuje trošak.

### 4.4 Izračun nagrade

Nagrada kombinira tri komponente:

```
reward = α * fidelity_score
       + β * privacy_score
       + γ * performance_gain
```

* **Fidelity Score** – Mjeri se **Fréchet Inception Distance (FID)** između sintetičkih i malog zadržanog stvarnog batcha.  
* **Privacy Score** – Inversno proporcionalan vrijednosti **ε** iz računala diferencijalne privatnosti.  
* **Performance Gain** – Razlika u točnosti edge modela prije i nakon kratkog fino‑tuning‑a na sintetičkom batchu.

Parametri `α, β, γ` postavlja tim za usklađenost kako bi prioritetizirao privatnost ili performanse prema potrebi.

### 4.5 Integracija objašnjivosti

Nakon svakog RL koraka, sustav pokreće SHAP na mreži politike:

```python
import shap
explainer = shap.Explainer(policy_network)
shap_values = explainer(state)
```

Dobivena mapa atribucija pohranjuje se u **Revizijski zapis**, vizualizira u nadzornoj ploči i može se izvesti za regulatornu reviziju.

---

## 5. Lista provjere implementacije

| Korak | Opis | Alati / Biblioteke |
|------|-------------|--------------------|
| 1️⃣ | Ekstrakcija značajki i detekcija drift‑a na rubu | NumPy, SciPy, TensorFlow Lite |
| 2️⃣ | Trening offline RL politike | PyTorch, Stable‑Baselines3 (PPO) |
| 3️⃣ | Destilacija politike za rub | ONNX, TensorFlow Lite Converter |
| 4️⃣ | Hibridni generator implementacija | NVIDIA TensorRT, Diffusers (Hugging Face) |
| 5️⃣ | Cjevovod izračuna nagrade | scikit‑learn (FID), Opacus (DP), PyTorch Lightning |
| 6️⃣ | Objašnjivost i revizijski zapisi | SHAP, Elastic Stack (ELK) |
| 7️⃣ | Kontinuirana integracija i nadzor | GitHub Actions, Prometheus, Grafana |

---

## 6. Prednosti u odnosu na konvencionalne pristupe

| Metrika | Tradicionalni statični cjevovod | Adaptivni RL‑vođen cjevovod |
|--------|--------------------------------|-----------------------------|
| **Latencija prilagodbe** | Sati‑do‑dana (ručno ponovno treniranje) | Sekunde‑do‑minute (automatizirana petlja) |
| **Ušteda propusnosti** | Potpuni skup podataka se učitava svaki ciklus | Inkremenalni batch zahtjevi samo pri drift‑u |
| **Točnost modela** | Pogoršava se 5‑15 % nakon drift‑a | Održava se unutar 1‑2 % od optimalnog |
| **Privatni budžet** | Fiksna potrošnja, često prekoračenje | Dinamičko budžetiranje poštuje ε granice |
| **Transparentnost usklađenosti** | Ograničen revizijski trag | Potpune SHAP‑temeljene objašnjenja po iteraciji |

---

## 7. Primjeri iz stvarnog svijeta

1. **Pametni gradski nadzor** – Kamere doživljavaju promjene osvjetljenja tijekom dana. Adaptivni cjevovod kontinuirano generira sintetičke noćne snimke, održavajući modele za prepoznavanje objekata oštrim bez pohrane stvarnog videa.  
2. **Industrijski IoT prediktivno održavanje** – Drift senzora uzrokovan trošenjem otkriva se, što potiče generiranje sintetičkih vibracijskih uzoraka koji pomažu edge modelu ranije predvidjeti kvarove.  
3. **Zdravstveni nosivi uređaji** – Pomaci u baznoj liniji fizioloških signala (npr. otkucaji srca) aktiviraju generiranje sintetičkih ECG‑ova, omogućujući na‑uredu otkrivanje aritmija bez slanja sirovih podataka.

---

## 8. Izazovi i mjere ublažavanja

| Izazov | Mjera ublažavanja |
|--------|-------------------|
| **Prekomjerno učenje politike** – RL može iskoristiti rupe u nagradi. | Periodične revizije politike, regularizacija nagrade i adversarijalno testiranje. |
| **Ograničenja resursa na rubu** – Pokretanje SHAP može biti zahtjevno. | Izvođenje SHAP u oblaku za uzorak podataka; lokalno keširanje objašnjenja. |
| **Kompleksnost računanja privatnosti** – Balansiranje ε kroz mnoge generacije. | Korištenje **privatnog dnevnika** koji akumulira ε po uređaju i provodi gornje limite. |
| **Lažni pozitivni signali drift‑a** – Šumni senzori pokreću nepotrebno generiranje. | Kombiniranje više detektora (statistički + ugradbeni) i primjena hysteresis‑mehanizma. |

---

## 9. Smjerovi za budućnost

* **Meta‑RL za prijenos politike** – Trenirati meta‑politiku koja se brzo prilagođava novim vrstama rubnih uređaja uz minimalno fino‑tuningiranje.  
* **Federativni RL** – Dijeliti gradijente politike među uređajima uz očuvanje lokalnosti podataka, dodatno smanjujući centralnu koordinaciju.  
* **Kausalno modeliranje drift‑a** – Ugraditi uzročno‑posljedične grafove kako bi se razlikovalo benigni okolišni pomaci od zlonamjernih pokušaja trovanja podataka.  
* **Zero‑Trust tržište sintetičkih podataka** – Proširiti okvir u tržište gdje se sintetički podaci trguju pod verificiranim zero‑trust ugovorima, koristeći decentralizirane identitete.

---

## 10. Početak – Minimalni prototip

Dolje je sažeti Python isječak koji demonstrira osnovnu petlju na simuliranom rubnom uređaju.

```python
import numpy as np
from scipy.stats import ks_2samp
import torch
import shap
from stable_baselines3 import PPO

# 1. Simulirani rubni tok značajki
def edge_stream(batch_size=128):
    while True:
        # Simuliraj drift senzora nakon 500 iteracija
        drift = np.random.randn(batch_size, 10) * (1 + 0.001 * edge_stream.counter)
        edge_stream.counter += 1
        yield drift
edge_stream.counter = 0

# 2. Detektor drift‑a
def detect_drift(current, reference, thr=0.04):
    ks = ks_2samp(current.ravel(), reference.ravel()).statistic
    return ks > thr, ks

# 3. Učitaj prethodno istreniranu RL politiku (offline trenirana)
policy = PPO.load("drift_aware_policy.zip")
policy.set_env(None)  # Nema okruženja za inferenciju

# 4. Hook za objašnjivost
explainer = shap.Explainer(policy.policy)

# 5. Glavna petlja
reference = np.random.randn(1024, 10)  # početna referenca
for batch in edge_stream():
    drifted, ks_val = detect_drift(batch, reference)
    if drifted:
        state = np.concatenate([[ks_val], np.mean(batch, axis=0)])
        action, _ = policy.predict(state, deterministic=True)
        # Mapiraj akciju na konfiguraciju generatora (pojednostavljeno)
        config = {"latent_var": 0.5 + 0.1 * action}
        # Zahtjev za sintetički batch (placeholder)
        synthetic = np.random.randn(64, 10) * config["latent_var"]
        # Izračun nagrade (dummy)
        reward = -np.mean(np.abs(synthetic - batch))
        # Zabilježi SHAP vrijednosti
        shap_vals = explainer(state)
        print(f"Detektiran drift (KS={ks_val:.3f}), akcija={action}, nagrada={reward:.3f}")
        print("SHAP doprinos:", shap_vals.values)
        # Polako ažuriraj referencu
        reference = np.vstack([reference[batch_size:], batch])[:1024]
    else:
        # Normalna inferencijska putanja
        pass
```

Ovaj prototip prikazuje:

* **Detekciju drift‑a** pomoću KS‑testa.  
* **Inferenciju politike** za odabir prilagodbe generatora.  
* **SHAP objašnjenje** za svaku odluku.  

Dalje, zamijenite placeholder sintetičkog generatora stvarnim difuzijskim modelom, integrirajte računanje diferencijalne privatnosti i povežite s vašim edge inference motorom.

---

## 11. Zaključak

Sintetički podaci više nisu jednokratni trik za augmentaciju podataka; moraju postati **živa, adaptivna usluga** koja reagira na stalno mijenjajuće rubno okruženje. Spojom **detekcije drift‑a**, **pojačanog učenja** i **objašnjive AI**, možemo izgraditi cjevovode koji:

* Dostavljaju visokokvalitetne, privatnosti‑prijateljske podatke u stvarnom vremenu.  
* Održavaju performanse edge modela bez skupih obrtanja u oblak.  
* Pružaju transparentne revizijske zapise koji zadovoljavaju regulatore i revizore.

Usvajanjem ovog drift‑svjesnog RL okvira organizacije se pozicioniraju na čelu **odgovornog Edge AI‑ja**, otključavajući nove slučajeve upotrebe uz očuvanje suvereniteta podataka.

---

## Vidi također

- [Google AI Blog – “Detecting Data Drift in Production Machine Learning Systems”](https://ai.googleblog.com/2023/03/detecting-data-drift.html)  
- [Differential Privacy Library – Opacus dokumentacija](https://opacus.ai/)