محققان به تازگی روشی نوآورانه به نام «آموزش حافظه نظارتشده» (SMT) معرفی کردند که محدودیتهای دیرینه شبکههای عصبی بازگشتی (RNN) را هدف قرار داده است.
✅ چرا این خبر مهم است؟
آموزش RNNها به دلیل ماهیت ترتیبی و مشکلات مربوط به گرادیانها همیشه چالشبرانگیز بوده است. روش SMT با تبدیل فرآیند آموزش RNN به یک مسئله یادگیری نظارتشده، امکان آموزش موازی و پایدار را فراهم میکند. این یعنی:
🔹 حذف نیاز به backpropagation through time (BPTT).
🔹 توانایی بسیار بهتر در یادگیری وابستگیهای طولانیمدت.
🔹 افزایش سرعت و مقیاسپذیری مدلهای هوش مصنوعی.
این دستاورد جدید میتواند راه را برای نسل جدیدی از مدلهای هوشمند که حافظه زمانی دقیقتری دارند، هموار کند.
منبع: arXiv AI