یکی از بزرگترین چالشهای هوش مصنوعی این است که وقتی یک مدل را برای یک حوزه خاص (مثل پزشکی یا حقوق) آموزش میدهیم، مدل دچار «فراموشی فاجعهبار» (Catastrophic Forgetting) میشود و تواناییهای عمومیاش را از دست میدهد.
محققان با معرفی فریمورک MemSFT، این مشکل را حل کردهاند! آنها به جای دستکاری پارامترهای اصلی مدل، از یک «حافظه پارامتریک خارجی» استفاده میکنند که دانش تخصصی را در خود ذخیره میکند. این یعنی:
✅ مدل بدون افت کیفیت در وظایف عمومی، کاملاً تخصصی میشود.
✅ این حافظه برای مدلهای مختلف (با ابعاد متفاوت) قابل استفاده است.
✅ در تستهای زیستشناسی، علوم زمین و حقوق، عملکرد بسیار درخشانی داشته است.
این روش یک مسیر کاربردی برای توسعه هوش مصنوعیهای متخصص و هوشمندتر است که دانش عمومی خود را فدای تخصص نمیکنند. 🧠✨
منبع: arXiv Machine Learning