یکی از چالشهای بزرگ در مدلهای هوش مصنوعی، یادگیری «ویژگیهای مستقل» از دادههاست؛ بهخصوص وقتی ویژگیها با هم همبستگیهای پنهانی دارند.
محققان در مقاله جدید خود فریمورک «CoDID» را معرفی کردهاند که با یک رویکرد مبتکرانه، همزمان به شناسایی «حالتهای پنهان» (Modes) و ایجاد استقلال بین ویژگیها میپردازد. این مدل با استفاده از مکانیزم متا-بهینهسازی، از خطاهای محاسباتی رایج در روشهای قبلی جلوگیری کرده و عملکردی در سطح استانداردهای روز دنیا ارائه میدهد.
این پیشرفت میتواند به مدلهای یادگیری عمیق کمک کند تا در پیشبینی ویژگیها، بسیار دقیقتر و مقاومتر عمل کنند.
منبع: arXiv AI