محققان در یک پژوهش جدید، چالش بزرگ «حذف اطلاعات» (Machine Unlearning) در مدلهای بینایی-زبانی (VLM) را بررسی کردند. مشکل اینجاست که گاهی با وجود حذف داده از بخش متنی مدل، اطلاعات همچنان از طریق مؤلفههای بصری قابل بازیابی هستند! 🖼️🔍
آنها برای حل این معضل، فریمورک جدیدی به نام «Stochastic Meta-Unlearning» یا به اختصار SMU معرفی کردهاند. این روش با ایجاد یک حلقه یادگیری دو مرحلهای، به مدل اجازه میدهد بدون آسیب زدن به دانش کلیاش، اطلاعات خاصی را بهطور کامل و دقیق فراموش کند.
نتایج نشان میدهد که SMU در حفظ کارایی مدل و همزمان «فراموشیِ انتخابی»، عملکرد فوقالعادهای نسبت به روشهای قبلی دارد. گامی مهم برای افزایش حریم خصوصی و امنیت در مدلهای هوش مصنوعی چندوجهی! ✨
منبع: arXiv Machine Learning