في عالم الذكاء الاصطناعي، تُعتبر المحولات البصرية من الأدوات الأساسية للتعامل مع المهام البصرية المتقدمة. ومؤخراً، قدم الباحثون طريقة مبتكرة تُدعى ViTAMINS التي تعتمد على دمج السلبيات الصعبة صناعية في تدريب المحولات البصرية بطريقة غير خاضعة للإشراف. تهدف هذه الطريقة إلى تحسين جودة التمثيلات المستخرجة، وهو ما يجعلها محورية في تحسين دقة الأنظمة الذكية.

تثبت الاختبارات التي أُجريت على مجموعة بيانات ImageNet أنها تحسن بشكل كبير من أداء التعلم على المهام مثل استرجاع الصور، والكشف عن النسخ، وتقنيات تقسيم الصور والفيديوهات. تبين أن السلبيات الصناعية التي تم استخدامها تعزز من الخصائص الناشئة، حيث تحتوي التمثيلات المتعلمة على معلومات واضحة حول المحتوى الدلالي للصورة، وتعمل كتصنيفات ممتازة، محققة زيادة تصل إلى 11.3% مقارنة بالمعايير السابقة.

تفوّق ViTAMINS على الطرق المنافسة بفضل تعديلات بسيطة على الأطر التباينية الموجودة، مما يجعلها أكثر فعالية في استخدام الموارد. فعلى سبيل المثال، تتفوق النسخة ViT-B من ViTAMINS على نموذج V-JEPA في ViT-L بكفاءة ملحوظة.

تشجع هذه النتائج على إعادة التفكير في التعلم التبايني (Contrastive Learning) كخيار أبسط ولكن قوي بالمقارنة مع الأساليب السائدة في التوليد والتدريب الذاتي. هل أنتم مستعدون لمتابعة هذا التطور المثير في مجال الذكاء الاصطناعي؟ انضموا إلى النقاش!