محققان بهتازگی معماری جدیدی به نام «CMP» (مخفف Cognitive Memory Primitive) معرفی کردند که قصد دارد مشکل بزرگ «فراموشی فاجعهبار» (Catastrophic Forgetting) در مدلهای یادگیری مداوم را حل کند.
این معماری برخلاف روشهای رایج، بهجای استفاده از پسانتشار (Backpropagation) سنگین، از «کدهای رابطهای پراکنده» و حافظه دو مرحلهای استفاده میکند. نتایج آزمایشها نشان میدهد که مدل CMP در یادگیری مداوم، پایداری بسیار بیشتری نسبت به مدلهای ترنسفورمر (Transformer) دارد و کمتر دچار فراموشی اطلاعات قبلی میشود. البته محققان صادقانه به برخی ضعفها در دقت مدل هم اشاره کردهاند که نشاندهنده مسیر شفاف این پژوهش است.
این نوآوری میتواند گام بزرگی برای ساخت هوش مصنوعیهایی باشد که بدون نیاز به آموزش مجدد، دائماً در حال یادگیری تجربیات جدید هستند! 🚀
منبع: arXiv AI