محققان به تازگی یک استراتژی جدید و بهینه برای «یادگیری انتقال» (Transfer Learning) معرفی کردهاند که میتواند بازی را برای مدلهای سنگین تغییر دهد. برخلاف روشهای معمول که نیاز به محاسبات سنگین و بازپخش دادهها در تمام لایهها دارند، این متد جدید با تفکیک استخراج ویژگی از آموزشِ طبقهبند (Classifier)، سرعت آموزش را به شدت افزایش داده و مصرف انرژی و کربن را تا حد زیادی کاهش میدهد.
این نوآوری که روی معماریهای مختلف مثل ResNet و ViT تست شده، بدون افت محسوس در دقت، راهکاری بسیار کاربردی برای محیطهای محدود (مانند مراکز درمانی که منابع سختافزاری خاصی دارند) ارائه میدهد. خبر خوبی برای توسعهدهندگانی که به دنبال هوش مصنوعیِ سبزتر و سریعتر هستند! 🌱💻
منبع: arXiv AI