التحدي الرئيسي الذي يواجه النماذج الضخمة هو تأثير النقل السلبي الناجم عن عملية التقطير الأحادي. لكن مع PRISM، تم تقديم إطار جديد يُدعى (Mixture-of-Experts) الذي يعتمد على مفهوم التخصص النمطي.
كيف يعمل PRISM؟
يعتمد PRISM على عملية من مرحلتين:
1. **تفكيك الخبرة**: يتم توجيه مجموعة من الخبراء عبر مُوجّه معتمد على المعلم للتخصص في مجالات تمثيلية مختلفة بهدف تقليل تداخل البيانات.
2. **إعادة التركيب الديناميكية**: يتعلم المُوجّه كيفية دمج هؤلاء الخبراء في مسارات حسابية مخصصة لتحسين الأداء في المهام اللاحقة.
تجارب على مجموعة بيانات PASCAL-Context وNYUD-v2 أثبتت أن PRISM يحقق إنجازًا جديدًا في هذا المجال، مشيرة إلى أن الاحتراف الطارئ والتخصص المتناثر يمثلان نهجًا قابلًا للتوسع في دمج المعرفة البصرية المتنوعة.
مع تقدم العقول العلمية في تطوير هذه النماذج، نتطلع لمزيد من الابتكارات الثورية في عالم الذكاء الاصطناعي. فكيف سيؤثر PRISM على صناعة تقنيات الرؤية والذكاء الاصطناعي في المستقبل؟ شاركونا آراءكم في التعليقات!