یکی از مشکلات همیشگی در پروژههای هوش مصنوعی، زمانی است که دادههای آموزشی برچسبهای دقیق و واضح ندارند (Partial Label Learning). حالا محققان با الهام از مدلهای دیفیوژن (که در تولید تصویر غوغا کردهاند)، روش نوآورانهای به نام DDMP ابداع کردهاند.
این مدل چطور کار میکند؟
به جای حدسهای ساده، مدل با استفاده از فرآیند «نویززدایی»، برچسبهای ناقص را به تدریج اصلاح و به واقعیت نزدیک میکند. در واقع، این سیستم با ترکیب اطلاعاتِ بین نمونهها و برچسبها، سعی میکند برچسبهای «نیمهتمیز» بسازد تا دقت مدلهای طبقهبندی در محیطهای واقعی به شدت افزایش یابد.
این یعنی در آینده، هوش مصنوعی در شرایطی که دادههای آموزشیاش ناقص یا مبهم هستند هم میتواند با دقت بسیار بالاتری عمل کند. قدمی بزرگ برای دنیای یادگیری نظارتنشده!
منبع: arXiv Machine Learning