دليل اللغة AI
النسيان الكارثي
Catastrophic forgetting occurs when training on new tasks degrades performance on previously learned tasks.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
في هذه الصفحةقراءة لمدة دقيقتين
نظرة عامة
Continual-learning methods attempt to balance adaptation and retention.
الغوص العميق
Catastrophic forgetting occurs when learning new tasks degrades earlier capabilities. EWC penalizes changes to parameters important to earlier tasks; GEM constrains gradients using episodic examples under a local first-order approximation; iCaRL stores exemplars and uses class-mean features. LoRA freezes base weights and learns low-rank task updates, which may reduce direct interference but does not guarantee retention. The original RAG paper distinguishes sequence-level and token-level document marginalization. These mechanisms address different issues and require evaluation on old and new tasks.
التنفيذ في العالم الحقيقي
Elastic Weight Consolidation penalizes changes to parameters estimated to be important for earlier tasks.
Experience replay mixes stored earlier examples with new-task examples during training.
LoRA keeps task-specific low-rank updates separate from frozen base weights in some adaptation settings.
Retrieval-augmented generation can consult an external index rather than storing every fact only in model parameters.
مستقبل النسيان الكارثي
Evaluate old and new task performance after each update and make the retention criterion explicit. Choose methods based on data availability, storage and privacy constraints. Research benchmarks do not establish that any single technique prevents forgetting in all deployment settings.
وضعها موضع التنفيذ
لماذا يهم
- السرعة والحجم. يمكن أن تتحرك مسارات عمل اللغة بشكل أسرع دون التضحية بالاتساق.
- الوصول والوصول. فهو يوسع الوصول عبر اللغات وأنماط الاتصال.
- قرارات أوضح. يمكن للفرق قضاء المزيد من الوقت في الحكم بينما تتعامل الأتمتة مع التكرار.
احترس من
- يمكن للحقائق المهلوسة إدخال التقارير أو تدفقات الدعم أو مخرجات البحث بهدوء.
- يمكن أن تؤدي الحساسية السريعة إلى نتائج غير متناسقة عبر الطلبات المماثلة.
- قد يتم كشف البيانات النصية الحساسة إذا كانت عناصر التحكم في الوصول ضعيفة.
الخطوات التالية
- حدد تنسيق الإخراج والنغمة ومعايير الجودة قبل بدء التشغيل.
- استجابات أرضية من مصادر موثوقة عندما تكون الدقة مهمة.
- احتفظ بنقطة تفتيش للمراجعة البشرية للمخرجات عالية المخاطر.
- تتبع أنماط الفشل وأعد تدريب المطالبات أو سير العمل بانتظام.
استمر في الاستكشاف
رسالة إخبارية مجانية
احصل على الإحاطة اليومية لمنظمة العفو الدولية
ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.
بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.
اختبر نفسك
Take the Catastrophic Forgetting quiz
تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.
دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع
الأسئلة المتداولة
What is Catastrophic Forgetting?
Catastrophic forgetting occurs when training on new tasks degrades performance on previously learned tasks. Continual-learning methods attempt to balance adaptation and retention.
Which situation describes catastrophic forgetting in a neural network?
النسيان الكارثي هو الفقدان المفاجئ للقدرات القديمة عندما يتم تدريب الشبكة على مهمة جديدة، بسبب استبدال الأوزان المشتركة.
لماذا يحدث النسيان الكارثي في الشبكات العصبية؟
إن المعرفة تعيش في معلمات مشتركة، لذا فإن التدريب على البيانات الجديدة يغير تلك الأوزان نفسها ويمحو التعلم السابق.
ما الذي يفعله نظام تثبيت الوزن المرن (EWC) لتقليل النسيان؟
تضيف EWC عقوبة تنظيم تؤدي إلى إبطاء تحديثات المعلمات التي تعتبر مهمة للمهام القديمة، والتي يتم تقديرها عبر معلومات Fisher.
كيف تحارب تجربة الإعادة (البروفة) النسيان؟
يمزج التدريب في الأمثلة السابقة (المخزنة أو المنشأة) أثناء تعلم مهام جديدة بحيث يتم تعزيز الأداء القديم.
What does LoRA do to base-model weights when adding a task-specific adapter?
LoRA freezes base weights and trains low-rank updates for a task. This can reduce direct parameter interference but does not guarantee retention across every continual-learning sequence.
استمر في التعلم
أدلة ذات صلة
تم اختيار المزيد من الأدلة لهذا الموضوع