التصوير الاصطناعي يحدد معايير جديدة في كفاءة تدريب الذكاء الاصطناعي

منصة الذكاء الاصطناعي – متابعات

نجح باحثو معهد تكنولوجيا ماساتشوستس للحوسبة والذكاء الاصطناعي (MIT CSAIL) في ابتكار استخدام التصوير الاصطناعي لتدريب نماذج الذكاء الاصطناعي، مما يمهد الطريق أمام التعلم الآلي الأكثر كفاءة وخلوًا من التحيزات.

في هذا الابتكار المبتكر، يعتمد الفريق على نظام يُسمى “StableRep”، الذي لا يستخدم أي صور اصطناعية بشكل عشوائي، بل ينشئها باستخدام نماذج نصية-صورة شهيرة مثل “Stable Diffusion”. إنها كأنها إنشاء عوالم بكلمات.

فما هو سر نجاح “StableRep”؟ إنها استراتيجية تُعرف بـ “التعلم المتباين المتعدد الإيجابي”. وفقًا لـ ليجي فان، طالب الدكتوراه في هندسة الكهرباء بـ MIT وعضو في مختبر علوم الحاسب والذكاء الاصطناعي بـ MIT (CSAIL) والباحث الرئيسي في هذا العمل، “نحن نعلم النموذج أن يتعلم المزيد عن المفاهيم على مستوى عالٍ من خلال السياق والتباين، وليس مجرد إطعامه البيانات. عندما ينشأ العديد من الصور، جميعها مُنشأة من نفس النص وتُعامَل باعتبارها تصويرًا لنفس العنصر الأساسي، يستطيع النموذج استكشاف المفاهيم الواقعة وراء الصور، مثل الكائن، وليس فقط بيكسلاتها”.

يعتبر هذا النهج العديد من الصور التي تُنشأ من تعليمات النص النفسه كأزواج إيجابية، وهو يقدم معلومات إضافية أثناء التدريب، وليس فقط تعزيز التنوع ولكن أيضًا تحديد للنظام البصري للتصوير حول أي الصور متشابهة وأيها مختلفة. وبشكل مدهش، تفوق “StableRep” قدرات النماذج ذات المستوى العالي التي تم تدريبها على الصور الحقيقية، مثل “SimCLR” و “CLIP”، عبر مجموعات البيانات الشاملة.

قال فان: “بينما يساعد “StableRep” على التغلب على تحديات اكتساب البيانات في التصوير الاصطناعي يحدد معايير جديدة في كفاءة تدريب الذكاء الاصطناعي.

هذا المحتوى تم بمعرفة وحدة الذكاء الاصطناعي