ملخص: يحقق الباحثون في عقبة كبيرة في التعلم الآلي تُعرف باسم “النسيان الكارثي” ، وهي ظاهرة تفقد فيها أنظمة الذكاء الاصطناعي المعلومات من المهام السابقة أثناء تعلم مهام جديدة.
يُظهر البحث أنه ، مثل البشر ، يتذكر الذكاء الاصطناعي المعلومات بشكل أفضل عند مواجهة مهام متنوعة بدلاً من تلك التي تشترك في ميزات متشابهة. يمكن أن تساعد الرؤى المستمدة من الدراسة في تحسين التعلم المستمر في أنظمة الذكاء الاصطناعي ، وتطوير قدراتها لتقليد عمليات التعلم البشري وتحسين الأداء.
مفتاح الحقائق:
- يمثل “النسيان الكارثي” تحديًا في أنظمة الذكاء الاصطناعي ، حيث تنسى المعلومات من المهام السابقة أثناء تعلم مهام جديدة.
- تتذكر الشبكات العصبية الاصطناعية المعلومات بشكل أفضل عند تقديمها مع مجموعة متنوعة من المهام ، بدلاً من المهام التي تشترك في سمات مماثلة.
- يمكن لرؤى الدراسة أن تسد الفجوة بين التعلم الآلي والتعلم البشري ، مما قد يؤدي إلى أنظمة ذكاء اصطناعي أكثر تطوراً.
مصدر: جامعه ولايه اوهيو
يمكن أن يكون التمسك بالذكريات أمرًا صعبًا بالنسبة للآلات بقدر ما يمكن أن يكون على البشر.
للمساعدة في فهم سبب قيام العوامل الاصطناعية بتطوير ثقوب في عملياتها المعرفية ، قام مهندسو الكهرباء في جامعة ولاية أوهايو بتحليل مدى تأثير عملية تسمى “التعلم المستمر” على أدائهم العام.
التعلم المستمر هو عندما يتم تدريب الكمبيوتر على التعلم المستمر لسلسلة من المهام ، وذلك باستخدام المعرفة المتراكمة من المهام القديمة لتعلم المهام الجديدة بشكل أفضل.
ومع ذلك ، فإن إحدى العقبات الرئيسية التي لا يزال يتعين على العلماء التغلب عليها لتحقيق مثل هذه الارتفاعات هي تعلم كيفية التحايل على مكافئ التعلم الآلي لفقدان الذاكرة – وهي عملية تُعرف في وكلاء الذكاء الاصطناعي باسم “النسيان الكارثي”.
قال نيس شروف ، الباحث البارز في أوهايو وأستاذ علوم الكمبيوتر والهندسة في جامعة ولاية أوهايو ، إنه نظرًا لتدريب الشبكات العصبية الاصطناعية على مهمة جديدة تلو الأخرى ، فإنها تميل إلى فقدان المعلومات المكتسبة من تلك المهام السابقة ، وهي مشكلة يمكن أن تصبح مشكلة مع اعتماد المجتمع على أنظمة الذكاء الاصطناعي أكثر فأكثر.
قال شروف: “نظرًا لتعليم تطبيقات القيادة الآلية أو الأنظمة الروبوتية الأخرى أشياء جديدة ، فمن المهم ألا ينسوا الدروس التي تعلموها بالفعل من أجل سلامتنا وسلمتهم”. “يتعمق بحثنا في تعقيدات التعلم المستمر في هذه الشبكات العصبية الاصطناعية ، وما وجدناه هو رؤى تبدأ في سد الفجوة بين كيفية تعلم الآلة وكيف يتعلم الإنسان.”
وجد الباحثون أنه بالطريقة نفسها التي قد يكافح بها الناس لتذكر الحقائق المتناقضة حول سيناريوهات مماثلة ولكنهم يتذكرون المواقف المختلفة بطبيعتها بسهولة ، يمكن للشبكات العصبية الاصطناعية أن تتذكر المعلومات بشكل أفضل عند مواجهة مهام متنوعة على التوالي ، بدلاً من تلك التي تشترك في ميزات مماثلة ، كما قال شروف.
سيقدم الفريق ، الذي يضم باحثي ما بعد الدكتوراه في ولاية أوهايو سين لين وبيشونغ جو والأساتذة ينغبين ليانج وشروف ، أبحاثهم هذا الشهر في المؤتمر الدولي السنوي الأربعين للتعلم الآلي في هونولولو ، هاواي ، وهو مؤتمر رائد في التعلم الآلي.
في حين أنه قد يكون من الصعب تعليم الأنظمة المستقلة لإظهار هذا النوع من التعلم الديناميكي مدى الحياة ، فإن امتلاك مثل هذه القدرات سيسمح للعلماء بتوسيع خوارزميات التعلم الآلي بمعدل أسرع بالإضافة إلى تكييفها بسهولة للتعامل مع البيئات المتطورة والمواقف غير المتوقعة. في الأساس ، سيكون الهدف من هذه الأنظمة أن تقلد يومًا ما قدرات التعلم لدى البشر.
يتم تدريب خوارزميات التعلم الآلي التقليدية على البيانات كلها في وقت واحد ، لكن نتائج هذا الفريق أظهرت أن عوامل مثل تشابه المهام ، والارتباطات السلبية والإيجابية ، وحتى الترتيب الذي يتم فيه تعليم الخوارزمية مهمة مهمة في طول الوقت الذي تحتفظ فيه الشبكة الاصطناعية معرفة معينة.
قال شروف ، على سبيل المثال ، لتحسين ذاكرة الخوارزمية ، يجب تدريس المهام المتباينة مبكرًا في عملية التعلم المستمر. تعمل هذه الطريقة على توسيع قدرة الشبكة للحصول على معلومات جديدة وتحسين قدرتها على تعلم المزيد من المهام المماثلة لاحقًا.
قال شروف إن عملهم مهم بشكل خاص لأن فهم أوجه التشابه بين الآلات والدماغ البشري يمكن أن يمهد الطريق لفهم أعمق للذكاء الاصطناعي.
قال: “يبشر عملنا بعصر جديد من الآلات الذكية التي يمكنها التعلم والتكيف مثل نظيراتها من البشر”.
التمويل: تم دعم الدراسة من قبل مؤسسة العلوم الوطنية ومكتب أبحاث الجيش.
حول هذا الذكاء الاصطناعي وتعلم أخبار البحث
مؤلف: تاتيانا وودال
مصدر: جامعه ولايه اوهيو
اتصال: تاتيانا وودال – جامعة ولاية أوهايو
صورة: تُنسب الصورة إلى أخبار علم الأعصاب
“معجب بوسائل التواصل الاجتماعي. باحث شغوف بثقافة البوب. محلل. لحم مقدد. عاشق شرير للطعام.”