محققان هوش مصنوعی به تازگی مفهوم جدیدی به نام CATE را معرفی کردند که به مدلهای بینایی ماشین کمک میکند تا «ارتباط بین کنشها و نتایج آنها» را در ویدیوها بهتر درک کنند.
این تحقیق نشان میدهد که مدلها با تحلیلِ همزمانِ نوع حرکت و اثر نهایی آن (مثل جابهجایی یک شیء)، میتوانند تواناییهای بصری خود را بدون نیاز به آموزشهای سختگیرانه افزایش دهند. هرچند هوش مصنوعی هنوز در این مسیر از انسان عقبتر است، اما این یافته راه جدیدی برای یادگیری خودنظارتی (Self-supervised) از ویدیوهای بدون برچسب باز میکند. 🎬✨
منبع: arXiv AI