قيم نيورون شابلي: كيف يمكن للذكاء الاصطناعي تجاوز النسيان الكارثي؟

في عالم الذكاء الاصطناعي، يمثل [التعلم المستمر](/tag/[التعلم](/tag/التعلم)-المستمر) (Continual Learning) تحديًا كبيرًا، حيث يسعى الباحثون لتطوير [نماذج](/tag/نماذج) تستطيع [تعلم](/tag/تعلم) مهام جديدة دون أن تنسى [المعرفة](/tag/المعرفة) المكتسبة مسبقًا. ومع ذلك، تعاني [الشبكات العصبية](/tag/[الشبكات](/tag/الشبكات)-العصبية) من ظاهرة تُعرف بالنسيان الكارثي (Catastrophic Forgetting)، حيث يؤدي [تعلم](/tag/تعلم) مهام جديدة إلى تدهور [الأداء](/tag/الأداء) على المهام السابقة.

للخروج من هذه المأزق، قدم الباحثون إطار [عمل](/tag/عمل) مبتكر يحمل اسم [قيم نيورون شابلي](/tag/قيم-نيورون-شابلي) (Shapley Neuron Valuation - SNV)، والذي يعتمد على [نظرية الألعاب](/tag/[نظرية](/tag/نظرية)-[الألعاب](/tag/الألعاب)) التعاونية. يقوم هذا الإطار بتحديد أهمية النيورنات (Neurons) في عملية [التعلم](/tag/التعلم) المستمر، مما يوفر طريقة منهجية لتجميد نيورنات مهمة مع السماح لأخرى بالتكيف.

أظهرت [التجارب](/tag/التجارب) التي أُجريت على [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) ImageNet-1k أن SNV يتفوق باستمرار على الطرق الحالية التي لا تستخدم أي نوع من [التخزين](/tag/التخزين) المؤقت، حيث حسّن [دقة النماذج](/tag/[دقة](/tag/دقة)-[النماذج](/tag/النماذج)) بنسبة +2.88% في سيناريوهات [التعلم المتزايد](/tag/[التعلم](/tag/التعلم)-المتزايد) بحسب الفئات، و+6.46% في سيناريوهات [التعلم المتزايد](/tag/[التعلم](/tag/التعلم)-المتزايد) بحسب المهام.

هذا [الابتكار](/tag/الابتكار) لا يجعل [التعلم المستمر](/tag/[التعلم](/tag/التعلم)-المستمر) أكثر [كفاءة](/tag/كفاءة) فحسب، بل يمثل خطوة حقيقية [نحو](/tag/نحو) [تحسين](/tag/تحسين) قدرات [الشبكات العصبية](/tag/[الشبكات](/tag/الشبكات)-العصبية) في [معالجة المعلومات](/tag/معالجة-[المعلومات](/tag/المعلومات)) بطريقة فعالة. هل تعتبر أن هذا التطور يعد نقطة [تحول](/tag/تحول) في مجال [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي)؟