آیا هوش مصنوعی میتواند حتی در مواجهه با دادههای اشتباه یا نویزدار هم دقیق عمل کند؟ دانشمندان بهتازگی راهکار جدیدی برای «یادگیری چندوظیفهای» (Multi-task Learning) ارائه کردهاند.
در بسیاری از مدلهای هوش مصنوعی، ترکیب وظایف مختلف باعث بهبود عملکرد میشود، اما مشکل اصلی زمانی است که بخشی از دادهها آلوده (Contaminated) یا بسیار متفاوت (Heterogeneous) هستند. این تحقیق نشان میدهد که روشهای سنتی در برابر این چالشها ضعیف عمل میکنند.
تیم محققان با استفاده از یک متد «فیلترینگ» در روش گرادیان کاهشی، توانستهاند مدلی بسازند که هم در برابر نویز بسیار مقاوم است و هم دقت شخصیسازی برای هر وظیفه را حفظ میکند. این یعنی گامی بزرگ به سمت مدلهای هوشمندِ قابلاعتمادتر و هوشمندتر در دنیای واقعی! 🚀
منبع: arXiv Machine Learning