🚀 تقویت هوش مصنوعی برای زبان‌های کم‌منابع: یادگیری انتقالی در عمل!

محققان در تازه‌ترین پژوهش خود به سراغ زبان «دیوهی» (زبان ملی مالدیو) رفتند که از نظر داده‌های آموزشی برای مدل‌های هوش مصنوعی فقیر محسوب می‌شود.

آن‌ها با استفاده از روش «یادگیری انتقالی» (Transfer Learning) و بهره‌گیری از داده‌های زبان «سینهالی» که از نظر ریشه‌های زبانی به دیوهی نزدیک است، موفق شدند دقت مدل‌های تشخیص گفتار (ASR) را به شکل چشمگیری افزایش دهند. این تحقیق نشان می‌دهد که چگونه می‌توان با استفاده از شباهت‌های زبانی، محدودیت داده‌ها را برای زبان‌های کمتر دیده‌شده دور زد و دقت مدل‌ها را تا ۱۳ درصد بهبود بخشید.

این دستاورد خبر خوبی برای توسعه‌دهندگان مدل‌های زبانی در سراسر جهان است تا به سمت فراگیری بیشتر هوش مصنوعی حرکت کنند. 🌍✨

منبع: arXiv NLP