در حوزه یادگیری مداوم (Continual Learning)، همیشه هدف اصلی جلوگیری از «فراموشی فاجعهبار» بوده است تا مدل دانش قبلی خود را حفظ کند. اما پژوهش جدیدی با عنوان «To Retain or to Adapt» این پیشفرض را به چالش میکشد!
محققان معتقدند در محیطهایی که مدام تغییر میکنند، اصرار بر حفظ دانش قدیمی (Retention) میتواند مانع از یادگیری سریع و تطبیقپذیری (Adaptation) مدل شود. آنها با معرفی مفهوم «کارایی انتقال»، نشان دادند که گاهی اوقات دانش قدیمی میتواند به یک «بار اضافه» برای یادگیری وظایف جدید تبدیل شود.
این یافته میتواند مسیر جدیدی برای طراحی مدلهای هوش مصنوعی منعطفتر و هوشمندتر در محیطهای پویا باز کند. 🚀
منبع: arXiv AI