آیا مدلهای هوش مصنوعی میتوانند بدون نیاز به برچسبگذاری مجدد، با محیطهای در حال تغییر سازگار شوند؟ محققان بهتازگی متد جدید DIRA-SS را معرفی کردهاند که به سیستمهای خودران اجازه میدهد در محیطهای پویا، تنها با استفاده از تعداد کمی داده بدون برچسب، عملکرد خود را بهبود ببخشند.
این روش با بهرهگیری از یادگیری خودنظارتی (Self-Supervised) و مکانیزمهای تثبیت وزن، به مدل کمک میکند تا بدون فراموش کردن آموختههای قبلی، خود را با شرایط جدید تطبیق دهد. این دستاورد گامی مهم برای افزایش پایداری هوش مصنوعی در دنیای واقعی و شرایط پیشبینی نشده است. 🚗💨
منبع: arXiv Machine Learning