🧠 چرا هوش مصنوعی گاهی «در گذشته» گیر می‌کند؟

محققان در یک پژوهش تازه به بررسی پدیده‌ای عجیب به نام «قفل‌شدگی بصری» (Visual Lock-in) در مدل‌های بینایی-زبانی پرداخته‌اند.

ماجرا از این قرار است که این مدل‌ها گاهی به جای تحلیل تصویرِ فعلی، بیش از حد به توصیفاتِ قبلی خود تکیه می‌کنند؛ انگار که ذهن‌شان در وضعیتِ قبلی قفل شده باشد! 🔗

تیم تحقیق با بررسی این موضوع متوجه شدند که تغییرات در مدل‌ها معمولاً حولِ محورهای خاصی به نام «Prior Directions» می‌چرخد. جالب اینجاست که با شناسایی و حذفِ این مولفه‌های مزاحم از محاسباتِ مدل، می‌توان دقت و درکِ بصریِ هوش مصنوعی را به میزان چشمگیری بهبود بخشید. این کشفِ جذاب می‌تواند راهگشای مدل‌هایی باشد که در تحلیلِ لحظه‌ایِ ویدیوها و محیط‌های متغیر دچار خطا می‌شوند.

منبع: arXiv Computer Vision