📉 چرا هوش مصنوعی در پیش‌بینی شبکه‌های زمانی دچار «خطا» می‌شود؟

محققان در مطالعه‌ای جدید به چالش مهمی در «مدل‌های مولد گراف‌های زمانی» پرداخته‌اند. این تحقیق نشان می‌دهد که وقتی مدل‌ها روی یک بازه زمانی آموزش دیده و در بازه دیگری به کار گرفته می‌شوند، با پدیده‌ای به نام «رانش توزیع» (Distribution Drift) مواجه می‌شوند که عملاً اصلاح آن از طریق مشاهدات ساده غیرممکن است! 🧠💻

یافته‌ها حاکی از آن است که این افت دقت یک ماهیت ریاضی دارد و حتی با صرف هزینه‌های محاسباتی بالا نیز بهبود چشمگیری حاصل نمی‌شود. این پژوهش گام مهمی در درک محدودیت‌های فعلی مدل‌های هوش مصنوعی در پیش‌بینی سیستم‌های پویا است.

منبع: arXiv Machine Learning