آیا تا به حال به این فکر کردهاید که چرا مدلهای هوش مصنوعی گاهی بیش از حد به پاسخهای خود مطمئن هستند، حتی وقتی اشتباه میکنند؟ محققان بهتازگی راهکار نوآورانهای به نام «ARGTCA» معرفی کردهاند که این مشکل را حل میکند.
در این روش، مدل به جای نگاه کردن به ویژگیهای مستقل، ارتباطات و ساختار بین آنها را به شکل یک «گراف نمادین» درک میکند. نتیجه این کار چیست؟ کاهش ۳۷ درصدی خطای کالیبراسیون و هوشمندتر شدن مدلها در محیطهای واقعی.
این پیشرفت گام بزرگی برای کاربردیتر و قابلاعتمادتر کردن مدلهای بینایی-زبانی در دنیای واقعی است. نظر شما چیست؟ آیا این گرافها میتوانند پایان «توهم» مدلهای هوش مصنوعی باشند؟
منبع: arXiv AI