التشكيك في التفاؤل التمثيلي: فرضية التمثيل المتشظّي المتشابك
2025-05-20
يتحدى هذا البحث الافتراض المتفائل في التعلم العميق بأن الحجم الأكبر يعني بالضرورة أداءً أفضل وتمثيلات داخلية أفضل. من خلال مقارنة الشبكات التي تم تطويرها من خلال عملية بحث مفتوحة مع تلك المدربة باستخدام طريقة الانحدار التدريجي العشوائي التقليدية في مهمة بسيطة لتوليد الصور، وجد الباحثون أن الشبكات المدربة باستخدام طريقة الانحدار التدريجي العشوائي تُظهر "تمثيلات متشظية متشابكة" (FER)، والتي تتميز بنشاط عصبي غير منظم يعيق التعميم والإبداع والتعلم المستمر. وعلى النقيض من ذلك، تُظهر الشبكات المطورة تمثيلاً أكثر توحيدًا وعاملًا، مما يشير إلى أن معالجة FER قد تكون حاسمة لتطوير تعلم التمثيل وبناء أنظمة ذكاء اصطناعي أكثر قوة.
الذكاء الاصطناعي