محققان در مقاله جدید خود به سراغ یک چالش بزرگ در دنیای تولید تصویر رفتهاند: «شکاف دانشی». مدلهای هوش مصنوعی فعلی در تولید تصاویر زیبا عالی هستند، اما وقتی صحبت از اتفاقات جدید، شخصیتهای نوظهور یا اخبار لحظهای میشود، شروع به «توهم زدن» میکنند چون دانش آنها محدود به دادههای آموزشی گذشته است.
تیم تحقیق با معرفی بنچمارک جدیدی به نام «SearchGen»، نشان داده که مدلهای مطرح فعلی در این حوزه عملکرد بسیار ضعیفی دارند. راه حل؟ تبدیل مدلهای تصویرساز به «عوامل هوشمند» (Agents) که بتوانند به جای تکیه بر حافظه محدودشان، از ابزارهای جستجو استفاده کنند.
نکته جالب اینجاست که جستجوی ساده هم همیشه جواب نمیدهد؛ به همین دلیل آنها یک متد جدید «آموزش-سپس-جستجو» معرفی کردهاند که به مدل یاد میدهد دقیقاً چه زمانی باید از دنیای بیرون اطلاعات کسب کند. این یعنی قدمی بزرگ به سمت مدلهایی که واقعاً به دنیای واقعی متصل هستند! 🌐🎨
منبع: arXiv Computer Vision