هل يساعد النسيان الانتقائي الذكاء الاصطناعي في التعلم بشكل أفضل؟

تمكن فريق من علماء الحاسوب من إنشاء نموذج لتعلم الآلة يتمتع بمرونة وقابلية أكبر. الحيلة: يجب أن ينسى ما يعرفه بشكل دوري. وعلى الرغم من أن هذا النهج الجديد لن يحل محل النماذج الضخمة التي تدعم أكبر التطبيقات، إلا أنه يمكن أن يكشف المزيد عن كيفية فهم هذه البرامج للغة.

تعتبر هذه الأبحاث الجديدة “تقدمًا مهمًا في هذا المجال”، وفقًا لجيا كون، مهندس ذكاء اصطناعي في معهد العلوم الأساسية في كوريا الجنوبية.

تعتمد محركات اللغة الذكية المستخدمة اليوم بشكل رئيسي على الشبكات العصبية الاصطناعية. يعتبر كل “عصب” في الشبكة وظيفة رياضية يتلقى إشارات من عصب آخر مماثل، ويقوم ببعض الحسابات، ثم يرسل الإشارات عبر عدة طبقات من الأعصاب. في البداية، يكون تدفق المعلومات عشوائيًا إلى حد ما، ولكن من خلال التدريب، يتحسن تدفق المعلومات بين الأعصاب مع تكيف الشبكة مع بيانات التدريب. على سبيل المثال، إذا أراد الباحث في مجال الذكاء الاصطناعي إنشاء نموذج ثنائي اللغة، فإنه سيقوم بتدريب النموذج باستخدام كمية كبيرة من النصوص من اللغتين، مما سيعدل الاتصالات بين الأعصاب بطريقة تربط النص بلغة واحدة بالكلمات المعادلة في اللغة الأخرى.

ومع ذلك، يتطلب هذا العملية التدريب الكثير من قوة الحوسبة. إذا لم يعمل النموذج بشكل جيد جدًا، أو إذا تغيرت احتياجات المستخدم لاحقًا، فمن الصعب تكييفه. وفي هذا السياق، يقول ميكيل آرتيتكسي، أحد مؤلفي البحث الجديد ومؤسس شركة الذكاء الاصطناعي “ريكا”، “لنفترض أن لديك نموذجًا به 100 لغة، ولكن تخيل أن إحدى اللغات التي تريدها غير مغطااستخدام التنسيق الانتقائي يمكن أن يساعد الذكاء الاصطناعي في التعلم بشكل أفضل
بوابة الذكاء الاصطناعي – وحدة المتابعة

قد أنجز فريق من علماء الحاسوب نموذجًا أكثر مرونة ومرونة لتعلم الآلة. والحيلة في ذلك: يجب عليه أن ينسى ما يعرفه بشكل دوري. وبينما لن يحل هذا النهج الجديد محل النماذج الضخمة التي تدعم أكبر التطبيقات، إلا أنه يمكن أن يكشف المزيد عن كيفية فهم هذه البرامج للغة.

تمثل هذه الأبحاث الجديدة “تقدمًا كبيرًا في هذا المجال”، حسب قول جيا كون، مهندس ذكاء اصطناعي في معهد العلوم الأساسية في كوريا الجنوبية.

تعتمد محركات اللغة الذكية المستخدمة اليوم بشكل رئيسي على الشبكات العصبية الاصطناعية. يعتبر كل “عصب” في الشبكة وظيفة رياضية يستلم إشارات من عصب آخر مماثل، يقوم بحسابات معينة، ثم يرسل الإشارات خلال طبقات متعددة من الأعصاب. في البداية، يكون تدفق المعلومات عشوائيًا للغاية، ولكن من خلال التدريب، يتحسن تدفق المعلومات بين الأعصاب مع تكيف الشبكة مع بيانات التدريب. على سبيل المثال، إذا أراد الباحث في مجال الذكاء الاصطناعي إنشاء نموذج ثنائي اللغة، فسيقوم بتدريب النموذج باستخدام مجموعة كبيرة من النصوص من اللغتين، مما سيعدل الاتصالات بين الأعصاب بطريقة تربط النص بالكلمات المعادلة في اللغة الأخرى.

ومع ذلك، يتطلب عملية التدريب هذه الكثير من قوة الحوسبة. إذا لم يعمل النموذج بشكل جيد جدًا، أو إذا تغيرت احتياجات المستخدم في وقت لاحق، فإنه من الصعب تكييفه. وفي هذا السياق، يقول ميكيل آرتيتكسي، أحد مؤلفي البحث الجديد ومؤسس شركة الذكاء الاصطناعي “ريكا”، “لنفترض أن لديك نموذجًا به 100 لغة.

هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي