تستعد [التقنيات الحديثة](/tag/التقنيات-الحديثة) في [مجالات الذكاء الاصطناعي](/tag/مجالات-الذكاء-الاصطناعي) لتغيير مشهد العديد من التخصصات، وأحد هذه التطورات المثيرة هو استخدام [نماذج [الرؤية](/tag/الرؤية) واللغة](/tag/[نماذج](/tag/نماذج)-[الرؤية](/tag/الرؤية)-واللغة) ([Vision-Language Models](/tag/vision-language-models)) في مجال [علم الأمراض](/tag/علم-[الأمراض](/tag/الأمراض)) والكيمياء الحيوية. ولكن هل تساءلت يومًا عن التحديات التي تواجهها هذه السرعات في [معالجة المعلومات](/tag/معالجة-[المعلومات](/tag/المعلومات))؟
تعتبر [تقنية](/tag/تقنية) [التعلم](/tag/التعلم) القائم على [السياق](/tag/السياق) (In-Context Learning) واحدة من الطرق الشائعة التي تستخدمها هذه النماذج، ولكنها تعاني من حساسيتها العالية لتحديد مجموعة الأمثلة والعبارات المستخدمة في الاستعلام. تمثل هذه الحساسيات تحديًا كبيرًا حيث يمكن أن تؤدي إلى [تشخيصات](/tag/تشخيصات) غير موثوقة.
هنا تأتي [تقنية جديدة](/tag/[تقنية](/tag/تقنية)-جديدة) تُدعى GAUC، وهي وسيلة لاختيار [مجموعات البيانات](/tag/مجموعات-[البيانات](/tag/البيانات)) تعمل مباشرة في [فضاء](/tag/فضاء) التضمين المتعدد [النماذج](/tag/النماذج) المدرب مسبقًا. ما يميز GAUC أنها لا تتطلب [تحديث](/tag/تحديث) المعلمات، فهي تُشغل ثلاث أهداف رئيسية:
1. الحفاظ على المتانة التوزيعية بين [مجموعة البيانات](/tag/مجموعة-[البيانات](/tag/البيانات)) المكونة ومجموعة [بيانات](/tag/بيانات) كاملة،
2. حد [الأداء](/tag/الأداء) تحت صياغات الاستعلام المتغيرة،
3. كبح النتائج غير المستقرة والمفرطة [الثقة](/tag/الثقة).
أظهرت [التجارب](/tag/التجارب) على [مجموعات بيانات](/tag/مجموعات-[بيانات](/tag/بيانات)) مثل CRC-100K وMHIST أن GAUC تحسن [الدقة](/tag/الدقة) والموثوقية بشكل ملحوظ مقارنة بالطرق التقليدية، وكل ذلك بدون الحاجة إلى [تحديثات](/tag/تحديثات) المعلمة، مما يجعلها وسيلة مثيرة للاهتمام للباحثين والممارسين في مجال [علم الأمراض](/tag/علم-[الأمراض](/tag/الأمراض)).
في ختام هذا الحديث، تفتح GAUC آفاق جديدة في [التعلم](/tag/التعلم) البصري القائم على السياق، مما يجعل من الممكن الاعتماد على [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) لتقديم [تشخيصات](/tag/تشخيصات) أكثر [دقة](/tag/دقة). فما رأيكم في هذا التطور؟ شاركونا في [التعليقات](/tag/التعليقات).
إحداث ثورة في تعلم أنماط التصوير الكمي مع تقنية GAUC الجديدة!
تقنية GAUC تمثل ثورة في عالم التعلم البصري القائم على السياق في علم الأمراض، حيث تتيح تحسين أداء نماذج الرؤية واللغة دون الحاجة لتحديث المعايير. هذه الطريقة توفر دقة عالية وانتقائية أفضل للبيانات، مما يؤدي إلى تشخيصات أكثر موثوقية.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
