مع تزايد استخدام [أنظمة](/tag/أنظمة) [التعلم الآلي](/tag/[التعلم](/tag/التعلم)-الآلي) ([Machine Learning](/tag/machine-learning)) في العالم الواقعي، تظل المهمة الأساس هي الحفاظ على [أداء النموذج](/tag/[أداء](/tag/أداء)-النموذج) بالرغم من تغيرات [البيانات](/tag/البيانات). تعتبر تغيرات [البيانات](/tag/البيانات) تحديًا كبيرًا، حيث قد تظهر فئات جديدة لم تكن موجودة خلال فترة التدريب، مما يعرف بمشكلة [التعرف على الفئات المفتوحة](/tag/[التعرف](/tag/التعرف)-على-الفئات-المفتوحة) (Open-Set [Recognition](/tag/recognition)).
في العادة، يتم اشتقاق ضمانات [التعرف على الفئات المفتوحة](/tag/[التعرف](/tag/التعرف)-على-الفئات-المفتوحة) من افتراض أن توزيع الفئات المعروفة، والذي نطلق عليه اسم توزيع الخلفية (Background Distribution)، ثابت. لكن [الباحثين](/tag/الباحثين) في [دراسة](/tag/دراسة) حديثة طوّروا طريقة جديدة تُعرف بـ CoLOR، مضمونة لحل قضايا [التعرف](/tag/التعرف) على الفئات المفتوحة، حتى في السيناريوهات الصعبة التي يطرأ فيها تغيير على توزيع الخلفية.
تثبت طريقة [CoLOR](/tag/color) فعاليتها وفق افتراضات معتدلة، منها أن الفئات الجديدة قابلة للفصل عن الفئات غير الجديدة. وقد تم تقديم ضمانات [نظرية](/tag/نظرية) تؤكد تفوق هذه الطريقة على [نموذج](/tag/نموذج) تمثيلي في [بيئة](/tag/بيئة) مبسطة ومفرطة [التخصيص](/tag/التخصيص) (Overparameterized Setting).
أيضًا، تم [تطوير](/tag/تطوير) [تقنيات](/tag/تقنيات) لجعل [CoLOR](/tag/color) قابلة للتوسع ومرنة، وتم [تنفيذ](/tag/تنفيذ) [تقييمات](/tag/تقييمات) شاملة على [بيانات](/tag/بيانات) [الصور](/tag/الصور) والنصوص. وظهرت النتائج أن [CoLOR](/tag/color) تتفوق بشكل ملحوظ على طرق [التعرف على الفئات المفتوحة](/tag/[التعرف](/tag/التعرف)-على-الفئات-المفتوحة) الحالية تحت تأثير تغيير الخلفية. ومن المهم أيضًا أن توفر هذه [الدراسة](/tag/الدراسة) [رؤى](/tag/رؤى) جديدة حول كيفية تأثير حجم الفئة الجديدة على الأداء، وهو جانب لم يُستكشف بشكل كافٍ في [الأعمال](/tag/الأعمال) السابقة.
في ختام هذا المقال، يتضح أن [البحث](/tag/البحث) عن [حلول جديدة](/tag/[حلول](/tag/حلول)-جديدة) يوفر أملًا حقيقيًا بعدم تقييد [أنظمة](/tag/أنظمة) [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) أمام التحديات المتزايدة.
ما رأيكم في هذه [التقنية](/tag/التقنية) الجديدة؟ هل تعتقدون أنها ستحدث تغييرًا جذريًا في مجال [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي)؟ شاركونا آرائكم في [التعليقات](/tag/التعليقات).
تحديات Adaptation في الذكاء الاصطناعي: حل فريد لمشكلة تغيير توزيع الخلفية
تقدم ورقة بحثية جديدة طريقة مبتكرة تُعرف باسم CoLOR لتجاوز تحديات تغيير توزيع البيانات في التعرف على الفئات المفتوحة (Open-Set Recognition). هذه الطريقة تظهر فعالية كبيرة في معالجة الفئات الجديدة التي قد تظهر بعد تدريب النماذج.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
