محققان در یک دستاورد جدید، چارچوب CV-DCLR را معرفی کردهاند که مشکل بزرگ «درهمتنیدگی معنایی» (Semantic Entanglement) را در مدلهای هوش مصنوعی حل میکند.
حتماً برایتان پیش آمده که یک مدل هوش مصنوعی، گرگ را با هاسکی اشتباه بگیرد! این مدل جدید با استفاده از «مکانیسم اصلاح دوگانه»، تفاوت ویژگیهای ظاهری را از مفاهیم اصلی جدا کرده و با تحلیلهای علی (Causal)، اجازه نمیدهد هوش مصنوعی به شباهتهای سطحی فریب بخورد. این یعنی دقت بسیار بالاتر در شناسایی اشیاء، حتی زمانی که دادههای آموزشی کمی وجود دارد. 🚀
منبع: arXiv Computer Vision