محققان در یک پژوهش جدید و عمیق، به بررسی محدودیتهای «فرایند گاوسی» در شبکههای عصبیِ با عرض بینهایت (Infinite-width) پرداختهاند. این مطالعه که از طریق برنامههای تانسوری (Tensor Programs) انجام شده، مدلهای پیچیدهای مثل ترانسفورمرها و معماریهای بازگشتی را هدف قرار داده است.
نکته جذاب اینجاست که این تحقیق، بازههای خطای دقیقی را برای شبکههای با عرض محدود (Finite-width) ارائه میدهد که به ما کمک میکند بفهمیم چرا و چگونه مدلهای هوش مصنوعی در مقیاسهای بزرگ به رفتارهای پیشبینیپذیر میرسند. گامی مهم برای درک بهتر تئوریِ حاکم بر یادگیری عمیق! 🧠✨
منبع: arXiv Machine Learning