اشترك

الاستمرار بالحساب الحالي

شارك
شارك
Article image
حقوق الصورة: إم إس تك/ صور جيتي.



ميتا تنجح في تعليم الذكاء الاصطناعي أداء مهام متعددة

هذه الطريقة الوحيدة لتعليم الشبكات العصبونية كيفية القيام بمهام متعددة تمثل خطوة نحو تحقيق الذكاء الاصطناعي عام الأغراض.

2022-01-27 13:00:35

2022-01-27 16:29:42

27 يناير 2022
إذا تمكنت من التعرف على كلب بالنظر، فمن المرجح أنك قادر على التعرف على كلب عند وصفه لك بالكلمات. ولكن هذا لا ينطبق على أنظمة الذكاء الاصطناعي الحالية. فقد أصبحت الشبكات العصبونية العميقة فائقة البراعة في التعرف على الأجسام في الصور وإجراء الحوارات باللغة الطبيعية، ولكن ليس في نفس الوقت، فأنظمة الذكاء الاصطناعي قادرة على التفوق في أداء مهمة ما أو مهمة أخرى، ولكن ليس الاثنتين معاً في نفس الوقت.  وتُعزى هذه المشكلة، جزئياً، إلى أن هذه النماذج تتعلم مهارات مختلفة باستخدام طرق مختلفة، وهو ما يمثل عائقاً كبيراً أمام تطوير أنظمة ذكاء اصطناعي أقرب إلى أنظمة الذكاء الاصطناعي العام، وهي آلات قادرة على القيام بمهام متعددة، وقادرة على التكيف أيضاً. كما يعني أن التطورات التي حُققت في التعلم العميق لمهارة ما غير قابلة للنقل إلى مهارات أخرى. خوارزمية "داتا تو فيك" (Data2vec) ويرغب فريق في "ميتا إيه آي" (المعروف سابقاً بقسم فيسبوك للأبحاث) بتغيير هذا الأمر، فقد قام الباحثون بتطوير

ادخل بريدك الإلكتروني واحصل على المقال مجاناً.

اكتشف أفضل محتوى عربي على الإنترنت لتطوير ذاتك وتحسين مهاراتك وجودة حياتك وتحقيق طموحاتك في أسرع وقت.