قدم باحثون إطار عمل جديداً لتعلم التمثيلات البيانية الثابتة لتعميم النماذج خارج التوزيع. يعتمد الإطار على تحليل المعلومات الزائدة عن الحاجة لتحديد المكونات السببية والعرضية في البيانات البيانية، مما يحسن قدرة النماذج على التعميم في ظل التحولات التوزيعية المتنوعة.
في تقدم بحثي جديد في مجال تعلم الآلة، أعلن باحثون عن تطوير إطار عمل مبتكر يحمل اسم Redundancy-guided Invariant Graph learning (RIG)، يهدف إلى تعلم تمثيلات بيانية ثابتة وقادرة على التعميم خارج التوزيع (OOD). يأتي هذا الإطار كحل لتحدي رئيسي يواجه النماذج الحالية، حيث غالباً ما تحتفظ التمثيلات المتعلمة بمكونات عرضية غير مستقرة تؤثر سلباً على أدائها عند تطبيقها على بيانات جديدة ذات توزيع مختلف.
يكمن الابتكار الأساسي في هذا العمل في استخدام أداة جديدة من نظرية المعلومات تسمى Partial Information Decomposition (PID)، والتي تتجاوز المقاييس المعلوماتية الكلاسيكية. حدد الباحثون قيوداً في المناهج الحالية التي تعتمد فقط على هذه المقاييس التقليدية، مما دفعهم إلى التركيز بدقة على المعلومات الزائدة عن الحاجة حول الهدف Y، والمشتركة بين الأجزاء البيانية العرضية Gs والسببية Gc التي يتم الحصول عليها عبر PID. يسمح هذا التركيز الدقيق بعزل المكونات السببية عن تلك العرضية بشكل أكثر فعالية.
يعتمد الإطار المقترح على تحسين متعدد المستويات يتناوب بين مرحلتين رئيسيتين: الأولى هي تقدير حد أدنى للمعلومات الزائدة (وهي عملية تتطلب بدورها تحسيناً)، والثانية هي تعظيم هذه المعلومات الزائدة إلى جانب أهداف إضافية. تهدف هذه العملية إلى تعظيم المعلومات الزائدة مع عزل الأجزاء البيانية السببية والعرضية في وقت واحد. تم اختبار الإطار على مجموعات بيانات بيانية اصطناعية وحقيقية، وأظهرت النتائج قدرات تعميم متفوقة تحت تحولات توزيعية متنوعة، مما يؤكد فعاليته في معالجة مشكلة التعميم خارج التوزيع في البيانات البيانية المعقدة.
يمثل هذا البحث خطوة مهمة نحو بناء نماذج ذكاء اصطناعي أكثر موثوقية وقدرة على التكيف مع بيئات العالم الحقيقي المتغيرة. من خلال معالجة جذرية لمشكلة المعلومات العرضية في التمثيلات البيانية، يفتح إطار RIG آفاقاً جديدة في مجالات مثل اكتشاف الأدوية، وتحليل الشبكات الاجتماعية، وأنظمة التوصية، حيث تكون البيانات عرضة لتغيرات توزيعية كبيرة. يُتوقع أن يساهم هذا التوجه في جعل نماذج التعلم الآلي أكثر قوة وعدلاً في تطبيقاتها الميدانية.
المصدر: arXiv ML Papers | تغطية حصرية من AI Tools Oasis
نقدم لك أحدث الأخبار والتحليلات في عالم الذكاء الاصطناعي بدقة ومصداقية. تابعنا للحصول على كل جديد.
تواصل OpenAI العمل على تطبيقها الشامل الخارق الذي يهدف إلى دمج الذكاء الاصطناعي في منصة واحدة متعددة الوظائف. يأتي هذا التطور في إطار سعي الشركة لتوسيع نطاق خدماتها وتقديم تجربة مستخدم متكاملة. تعرف على التفاصيل الكاملة والتأثير المتوقع لهذه الخطوة.
أعلنت منصة نوتيون عن استعادة الوصول إلى خدمة أنثروبيك بعد انقطاع مؤقت أثر على المستخدمين. يأتي هذا الإجراء بعد ساعات من تعطل الخدمة، مما أثار تساؤلات حول استقرار التكامل بين أدوات الإنتاجية وخدمات الذكاء الاصطناعي. نستعرض تفاصيل الحادثة وتأثيرها على المستخدمين.
تتزايد المخاوف في عالم العملات الرقمية من ظاهرة تُعرف بـ Tokenpocalypse، حيث قد يؤدي تضخم عدد الرموز إلى انهيار السوق. تحليل TechCrunch يكشف عن علامات تحذيرية وتأثيرات محتملة على المستثمرين.
