محققان در یک پژوهش علمی جدید، مفهوم «پایداری هندسی» (Geometric Stability) و معیار نوآورانهای به نام Shesha را معرفی کردهاند که دیدگاه ما را نسبت به نحوه عملکرد و تحلیل درونی مدلهای هوش مصنوعی تغییر میدهد.
تفاوت اصلی Shesha با معیارهای قبلی مانند CKA این است که فقط به شباهتهای سطحی توجه نمیکند، بلکه بررسی میکند که آیا ساختار یک بازنمایی (Representation) در طول فرآیندهایی مثل پروبینگ یا ویرایش مدل، قابل بازیابی و «پایدار» باقی میماند یا خیر. این یعنی بالاخره راهی پیدا کردیم تا بفهمیم مدلها واقعاً چقدر در برابر تغییرات ساختاری مقاومت دارند.
این تحقیق با بررسی بیش از ۲۴۰۰ تنظیمات مختلف برای انکودرها، نشان میدهد که پایداری هندسی یک محور کاملاً مستقل است که میتواند در تحلیل و انتخاب مدلهای بهتر در آینده نقشی کلیدی داشته باشد.
منبع: arXiv Machine Learning