في عصر الذكاء الاصطناعي المتقدم، أصبحت نماذج الرؤية واللغة (Vision-Language Models - VLMs) واحدة من أهم الابتكارات. ومع ذلك، هناك جانب حيوي يتطلب الانتباه: كيفية تعامل هذه النماذج مع المعلومات الحساسة أو المحمية بموجب حقوق الطبع والنشر. يتطلب الأمر إزالة هذه المعرفة لتأسيس أنظمة ذكاء اصطناعي موثوقة.

في هذا السياق، قدم الباحثون نموذجًا جديدًا يُدعى UNLINK-VL، والذي يمثل معيارًا لتقييم قدرة نماذج VLMs على نسيان المعرفة عبر أنماط متعددة. يركز هذا النموذج على كيفية نشر عملية النسيان بين الأنماط المختلفة، وهو ما لم يتم تناوله بشكل كافٍ في الأبحاث السابقة.

يساعد UNLINK-VL في تحديد الكيانات المرئية في العالم الحقيقي كأهداف لنسيان المعرفة، ويربطها بالصور المعنية والحقائق المستخلصة من قاعدة بيانات ويكيداتا (Wikidata). يتم تقييم فعالية النسيان من خلال أربعة مجموعات مكملة تشمل معرفة الهدف، وديناميكية النسيان، والحفاظ على المعرفة ذات الصلة.

تشير نتائج التجارب إلى تفاوت ملحوظ في نقل المعرفة بين الأنماط: حيث تبقى تقنية النسيان فعالة عند تقييم النصوص، بينما يقل تأثيرها عندما ننتقل إلى السيناريوهات البصرية أو بين الأنماط. لذا من الضروري الأخذ في الاعتبار تقييم نقل المعرفة عبر الأنماط المتعددة لضمان فاعلية النماذج المعتمدة على الرؤية واللغة.

هل تعتقد أن النماذج الحالية قادرة على التعامل مع المعلومات الحساسة بشكل أفضل؟ شاركنا برأيك في التعليقات!