في عالم [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) السريع التطور، أثبت [التعلم الآلي](/tag/[التعلم](/tag/التعلم)-الآلي) القابل للنسيان (Machine [Unlearning](/tag/unlearning)) نفسه كأحد التوجهات الحديثة التي تسعى إلى إزالة تأثير [بيانات التدريب](/tag/[بيانات](/tag/بيانات)-[التدريب](/tag/التدريب)) المحددة من [نموذج](/tag/نموذج) مدرب، بينما تحافظ على أدائه الجيد مع باقي [البيانات](/tag/البيانات). وبالرغم من أن [الأبحاث](/tag/الأبحاث) السابقة ركزت بشكل رئيسي على إعدادات المهام الواحدة، فإن [النماذج](/tag/النماذج) الحديثة غالبًا ما تعمل في بيئات متعددة المهام (Multi-Task Settings) تستخدم نفس المعلمات الأساسية.
تسبب إزالة الإشراف لمهمة واحدة أو حالة معينة في [تأثيرات](/tag/تأثيرات) غير مقصودة قد تؤثر على مهام أخرى. هنا، نقدم مفهوم [التعلم](/tag/التعلم) غير القابل للنسيان في بيئات متعددة المهام من خلال إعدادين:
1. **إزالة المهام الكاملة (Full-Task [Unlearning](/tag/unlearning))**: حيث يتم حذف مثيل مستهدف من جميع المهام.
2. **إزالة المهام الجزئية (Partial-Task [Unlearning](/tag/unlearning))**: حيث يتم حذف الإشراف فقط من مهام مختارة.
تشير [الأبحاث](/tag/الأبحاث) إلى أن المعلمات المشتركة تؤدي إلى [تقارب](/tag/تقارب) بين مجموعتي النسيان والاحتفاظ، مما يسبب تداخلًا على مستوى المهام للمهمات غير المستهدفة وتداخلًا على مستوى الحالات الأخرى. لمواجهة هذه المشكلة، قدمنا إطار [عمل](/tag/عمل) واعٍ للتداخل، يجمع بين الإسقاط التدرجي المراعي للمهام (Task-Aware Gradient Projection) والذي يقيد [التحديثات](/tag/التحديثات) ضمن فراغات المهام المحددة، مع توحيد [التدرجات](/tag/التدرجات) على مستوى الحالات (Instance-Level Gradient Orthogonalization) الذي يُقلل من النزاعات بين [إشارات](/tag/إشارات) النسيان والاحتفاظ.
أظهرت [التجارب](/tag/التجارب) على معيارين للرؤية الحاسوبية متعددة المهام [عبر](/tag/عبر) خمسة مهام أن أسلوبنا يحقق [التعلم](/tag/التعلم) غير القابل للنسيان بفعالية، مع الحفاظ على [قوة](/tag/قوة) التعميم، حيث أدت النتائج إلى تقليل مؤشر تداخل المهام (UIS) مقارنة بأقوى [المعايير](/tag/المعايير) بنسبة 30.3% في إزالة المهام الكاملة و52.9% في إزالة المهام الجزئية.
لذا، مع هذه التطورات، كيف ترون [مستقبل](/tag/مستقبل) [التعلم الآلي](/tag/[التعلم](/tag/التعلم)-الآلي) القابل للنسيان في [التطبيقات](/tag/التطبيقات) المتعددة المهام؟ شاركونا في [التعليقات](/tag/التعليقات).
تحديات التعلم الآلي: كيف يمكننا إعادة التعلم في بيئات متعددة المهام؟
تتطرق هذه المقالة إلى مفهوم التعلم الآلي القابل للنسيان وتحدياته دراستها في بيئة متعددة المهام. نعرض طريقة جديدة لتقليل التأثيرات غير المرغوب فيها وضمان كفاءة النموذج عبر المهام.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
