في عالم الذكاء الاصطناعي، تتجلى أهمية [نماذج [الرؤية](/tag/الرؤية)-اللغة](/tag/[نماذج](/tag/نماذج)-[الرؤية](/tag/الرؤية)-[اللغة](/tag/اللغة)) (Vision-language [Models](/tag/models)) في قدرتها على [الدمج](/tag/الدمج) بين التمثيلات البصرية والنصوص، مما يتيح إنشاء [تطبيقات متعددة](/tag/[تطبيقات](/tag/تطبيقات)-متعددة) المجالات. لكن، مع تزايد حجم [البيانات](/tag/البيانات) المستخدمة لتدريب هذه النماذج، تبرز العديد من القضايا المتعلقة بالخصوصية وحقوق النشر والمحتويات غير المرغوب فيها، مما يجعل الحاجة إلى مفهوم "[نسيان البيانات](/tag/[نسيان](/tag/نسيان)-[البيانات](/tag/البيانات))" أمرًا ملحًا.
بينما تركز الدراسات الحالية بشكل رئيسي على [تقنيات](/tag/تقنيات) النسيان الفوري (Single-shot [Unlearning](/tag/unlearning))، تظهر الأمور بشكل معقد في [التطبيقات](/tag/التطبيقات) [العملية](/tag/العملية) التي تحتاج إلى طلبات حذف متتابعة على مر الزمن، مما يستدعي مفهوم "[النسيان المستمر](/tag/النسيان-المستمر)" (Continual Machine [Unlearning](/tag/unlearning)). دولي جديدة، قام الباحثون بأول محاولة لدراسة كيفية [تحقيق](/tag/تحقيق) ذلك لنماذج [الرؤية](/tag/الرؤية)-[اللغة](/tag/اللغة).
من خلال هذا البحث، تم تحديد ثلاث [تحديات](/tag/تحديات) رئيسية: 1) الفعالية في إزالة [المعرفة](/tag/المعرفة) المستهدفة، 2) الحفاظ على [كفاءة](/tag/كفاءة) النموذج، 3) منع إعادة ظهور [المعرفة](/tag/المعرفة) المحذوفة خلال [التحديثات](/tag/التحديثات) المتتالية.
لمواجهة هذه التحديات، تم [اقتراح](/tag/اقتراح) طريقة CATA، والتي تعتمد على "[حساب](/tag/حساب) المهام المناهضة للصراع". تعمل هذه الطريقة على تمثيل كل طلب [نسيان](/tag/نسيان) كمتجه مهمة غير قابلة للنسيان، مع الحفاظ على المتجهات التاريخية للمهام وتنفيذ تجميع واعٍ للصراع. بفضل هذا الأسلوب الذكي، تمنع [CATA](/tag/cata) العناصر المتضاربة التي قد تؤثر سلبًا على [تأثيرات](/tag/تأثيرات) النسيان السابقة.
أظهرت [التجارب](/tag/التجارب) المكثفة، على مدار إعدادات النسيان الفردي والمستمر، أن [CATA](/tag/cata) تتفوق على [النماذج](/tag/النماذج) التقليدية فيما يتعلق بفعالية النسيان وكفاءة النموذج واستمرارية النسيان.
إن التقدم الذي تحققه [CATA](/tag/cata) يعد خطوة هامة [نحو](/tag/نحو) [تطوير](/tag/تطوير) [نماذج ذكاء اصطناعي](/tag/[نماذج](/tag/نماذج)-ذكاء-اصطناعي) أكثر فعالية وأماناً، ويبقى السؤال: كيف يمكن أن تؤثر هذه [التقنية](/tag/التقنية) على [مستقبل](/tag/مستقبل) [النماذج الذكية](/tag/[النماذج](/tag/النماذج)-الذكية)؟ ندعوكم لمشاركة آرائكم في [التعليقات](/tag/التعليقات)!
اكتشاف ثوري في الذكاء الاصطناعي: CATA وقوة النسيان المستمر
في خطوة جديدة نحو تحسين نماذج الذكاء الاصطناعي، تم تقديم طريقة CATA لتسهيل النسيان المستمر للبيانات. هذه الطريقة تتغلب على التحديات المتعلقة بحماية الخصوصية وضمان كفاءة النماذج.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
