🚀 یادگیری بدون داده‌های اضافی؛ جهش جدید در تعمیم‌پذیری هوش مصنوعی!

محققان در یک دستاورد تازه در حوزه یادگیری ماشین، به روشی دست یافته‌اند که مدل‌ها را قادر می‌سازد با استفاده از «تقارن دقیق» (Equivariance)، تعمیم‌پذیری صفر-شات (Zero-shot generalization) فوق‌العاده‌ای داشته باشند.

در این مدل‌ها، وقتی سیستم یک بخش کوچک از داده‌ها را درک می‌کند، به لطف ساختار متقارن، بقیه احتمالات را به صورت ریاضی پیش‌بینی می‌کند. این یعنی مدل حتی در مواجهه با داده‌های خارج از توزیع (Out-of-distribution) که قبلاً ندیده است، دقت خود را حفظ می‌کند و مثل مدل‌های معمولی دچار خطا نمی‌شود. تست این روش بر روی ربات‌های واقعی نیز نشان‌دهنده پایداری خیره‌کننده آن بوده است.

این یک قدم بزرگ برای هوش مصنوعیِ کارآمدتر و قابل‌اعتمادتر در دنیای واقعی است. 🤖💡

منبع: arXiv AI