محققان در یک پژوهش جدید با عنوان «Forgetting is Everywhere»، به یکی از چالشهای بنیادین مدلهای هوش مصنوعی پرداختهاند: «فراموشی فاجعهبار» (Catastrophic Forgetting).
این تیم علمی با ارائهی یک تئوری جدید، نشان دادهاند که چرا مدلها با یادگیری دادههای جدید، اطلاعات قبلی را از دست میدهند. آنها با استفاده از ابزارهای آماری، مکانیزمی برای اندازهگیری این فراموشی طراحی کردهاند که نه تنها به درک بهتر رفتار مدلهای زبانی و بینایی کمک میکند، بلکه راهکارهایی برای حفظ حافظه و افزایش بازدهی مدلها در آینده ارائه میدهد.
این دستاورد میتواند گامی مهم در جهت ساخت مدلهای یادگیرنده با ثباتتر باشد! 📈
منبع: arXiv Machine Learning