محققان در مقالهای جذاب، روش جدیدی به نام «Verbalized Particle Posterior» یا به اختصار VPP معرفی کردهاند که دنیای یادگیری ماشین را با مفاهیم بیزی (Bayesian) ترکیب میکند.
💡 داستان چیست؟
تا امروز، مدلهای یادگیری ماشینیِ زبانی (VML) معمولاً یک خروجی نهایی میدادند و در مورد آن هیچ «اطمینان یا عدم اطمینانی» نداشتند. حالا با VPP، مدل میتواند مجموعهای از فرضیاتِ قابلفهم برای انسان را به صورت متن تولید کند و مثل یک سیستم آماری هوشمند، بهترین نتایج را با محاسبه احتمالات کنار هم بگذارد.
🚀 چرا این اتفاق مهمی است؟
۱. نیاز به دسترسی به لایههای درونی یا گرادیان مدل ندارد (جعبهسیاه باقی میماند).
۲. خروجیها برای انسان کاملاً خوانا و قابل درک هستند.
۳. خطاهای رایج مدلهای تکی را حذف کرده و دقت بسیار بالاتری در طبقهبندی و حل مسائل دارد.
در واقع، این روش به هوش مصنوعی کمک میکند تا به جای حدس و گمان، «استدلالِ منطقی» را به زبان ساده برای ما بنویسد!
منبع: arXiv Machine Learning