أصبحت الحاجة إلى إزالة المعلومات غير المرغوب فيها من الشبكات العصبية العميقة ضرورة ملحة في عصرنا الحديث، خاصةً مع التزايد المستمر في المسائل المتعلقة بالخصوصية والامتثال التنظيمي. في هذا الإطار، تم تقديم Graph-Propagated Projection Unlearning (GPPU)، وهو خوارزمية متطورة تسعى لتحقيق إلغاء تعلم موحد وقابل للتوسع على كل من نماذج التعرف على الصور والصوت.

يعتمد GPPU على تقنية الانتشار القائم على الرسوم البيانية (Graph-Based Propagation) لتحديد الاتجاهات المحددة لكل فئة في فضاء الميزات، حيث يقوم بإسقاط التمثيلات على الفضاء الفرعي العمودي، ويتبعه عملية ضبط دقيقة مستهدفة لضمان إزالة المعلومات الهامة المتعلقة بالفئة المستهدفة بشكل فعال ودائم.

لقد أظهرت التقييمات الشاملة التي تم إجراؤها على ستة مجموعات بيانات بصرية واثنين من المعايير الكبيرة للصوت، أن GPPU يحقق فعالية عالية في عملية الإلغاء، ويحقق تحسينات تتراوح بين 10 إلى 20 ضعفًا مقارنة بالأساليب السابقة، مع الاستمرار في الحفاظ على كفاءة النموذج في الفئات التي يتم الاحتفاظ بها.

يمثل هذا الإطار نهجًا مبدئيًا وغير معتمد على نوع معين في مجال الإلغاء الآلي، مما يسهم في تقديم حلول أكثر كفاءة ومسؤولية في التعلم العميق.