مدلهای بینایی ماشین معمولاً فقط به بخشهای خاصی از تصویر توجه میکنند و اگر با دادههای جدید روبرو شوند، ممکن است دچار خطا شوند. محققان اخیراً راهکار نوآورانهای به نام SS-CA معرفی کردهاند که به مدلها کمک میکند به جای تکیه بر ویژگیهای سطحی، یاد بگیرند تصمیمات منطقیتر و مقاومتری بگیرند.
این روش با ایجاد «نمونههای متضاد» (Counterfactual) و آموزش دوباره مدل بر اساس آنها، باعث شده دقت مدلها در مواجهه با دادههای ناآشنا بهطور چشمگیری (تا ۱۸٪ در برخی تستها) افزایش یابد. گام مهم دیگری برای داشتن هوش مصنوعیِ قابل اعتمادتر در دنیای واقعی! 🧠✨
منبع: arXiv Computer Vision