محققان در مقاله جدیدی، چارچوب نوآورانهای برای «یادگیری عملگرها» (Operator Learning) معرفی کردهاند که مشکل عدم تفسیرپذیری مدلهای عصبی در تحلیل سیستمهای فیزیکی پیچیده را حل میکند.
این متد جدید با استفاده از معادلات انتگرالی، مدل را بهصورت ساختاری «تفسیرپذیر» میکند؛ به این معنا که هوش مصنوعی دقیقاً نشان میدهد کدام ویژگیهای فضایی (مثلاً در شبیهسازی جریان خون یا آیرودینامیک) باعث شدهاند به چنین خروجی خاصی برسد. این یعنی بهجای حدس زدن، حالا میتوانیم دلیل منطقی پشت تصمیمات مدلهای فیزیکی را متوجه شویم. 🧠✨
منبع: arXiv Machine Learning
