التاليالدليل التالي
مشاركة المعلمات الصعبة في الشبكات متعددة المهام
التقنية
الدليل الفني
التعلم متعدد المهام
يقوم التعلم متعدد المهام بتدريب نموذج واحد على أداء العديد من المهام ذات الصلة في وقت واحد، ومشاركة التمثيلات الداخلية عبرها.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
في هذه الصفحةقراءة لمدة دقيقتين
نظرة عامة
ومن خلال تعلم البنية المشتركة، تساعد كل مهمة المهام الأخرى، مما يؤدي غالبًا إلى تحسين الدقة وكفاءة البيانات عبر تدريب نماذج منفصلة.
الغوص العميق
بدلاً من بناء نموذج منفصل لكل مهمة، يستخدم التعلم متعدد المهام (MTL) عمودًا فقريًا مشتركًا يتفرع إلى رؤوس محددة المهام. على سبيل المثال، قد تتشارك شبكة الإدراك ذاتية القيادة في برنامج تشفير الرؤية ثم تنقسم إلى رؤوس لاكتشاف السيارات وتقسيم الطريق وتقدير العمق. تتعلم الطبقات المشتركة الميزات العامة المفيدة عبر المهام، بينما يتخصص كل رئيس. يعمل هذا كشكل من أشكال التحيز الاستقرائي والتنظيم: تعمل الإشارات الواردة من مهمة واحدة على تقييد التمثيل المشترك، مما يقلل من التجهيز الزائد ويحسن التعميم، خاصة عندما تحتوي بعض المهام على القليل من البيانات. التحدي الرئيسي هو تحقيق التوازن بين المهام - إذا تعارضت مقاييس خسارتها أو تدرجاتها، يمكن أن تهيمن مهمة واحدة وتعاني المهام الأخرى، وهي مشكلة تسمى النقل السلبي. تهدف تقنيات مثل فقدان الوزن، والوزن القائم على عدم اليقين، والجراحة المتدرجة إلى الحفاظ على تعاون المهام بدلاً من التنافس.
التنفيذ في العالم الحقيقي
مجموعات إدراك ذاتية القيادة تشترك في جهاز تشفير رؤية واحد لاكتشاف الأشياء وتجزئة الممرات وتقدير العمق.
نماذج لغوية كبيرة تتعامل مع الترجمة والتلخيص والمشاعر والإجابة على الأسئلة من خلال شبكة مشتركة واحدة.
تعمل أنظمة التوصية على توقع النقرات ووقت المشاهدة وعمليات الشراء بشكل مشترك لتحسين تفاعل المستخدم.
نماذج التصوير الطبي التي تكتشف الورم في وقت واحد، وتقسم حدوده، وتصنف نوعه من نفس الفحص.
مستقبل التعلم متعدد المهام
التعلم متعدد المهام يدعم الاتجاه نحو النماذج العامة. تعد نماذج اللغات الكبيرة متعددة المهام بطبيعتها - حيث تتولى شبكة واحدة الترجمة والتلخيص والترميز والأسئلة والأجوبة - وتقوم الأنظمة متعددة الوسائط بتوسيع ذلك عبر النصوص والصور والصوت. توقع الاستخدام المتزايد للبنيات الموحدة وضبط التعليمات التي تجمع العديد من المهام في نموذج واحد، بالإضافة إلى موازنة وتوجيه تلقائي أفضل للمهام (كما هو الحال في خليط الخبراء)، لذا فإن إضافة المهام لم تعد تعني إضافة نماذج منفصلة.
وضعها موضع التنفيذ
لماذا يهم
- التكلفة والميزانية. تؤدي قرارات الهندسة المعمارية إلى زيادة الأداء وتكلفة التشغيل لسنوات.
- قرارات أوضح. يساعد التعليم الفني الفرق على اختيار المجموعة المناسبة، وليس فقط المجموعة الأحدث.
- مراقبة الجودة. تعمل الخيارات الهندسية الأفضل على تقليل حوادث الموثوقية في الإنتاج.
احترس من
- يمكن أن يؤدي تحسين معيار واحد إلى إخفاء نقاط ضعف النظام الأوسع.
- غالبًا ما يتم التقليل من تكاليف البنية التحتية والصيانة.
- يمكن أن تنمو الفجوات الأمنية وقابلية المراقبة عندما تصبح الأنظمة أكثر تعقيدًا.
الخطوات التالية
- تحديد الكمون والجودة وأهداف التكلفة قبل التنفيذ.
- المعيار في ظل ظروف التحميل والبيانات الواقعية.
- مراقبة الأدوات للأخطاء والانجراف وتأثير المستخدم.
- قم بإعداد مسارات التراجع والاستجابة للحوادث قبل القياس.
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 Multi-Task Learning 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
ما هو التعلم متعدد المهام؟
يقوم التعلم متعدد المهام بتدريب نموذج واحد على أداء العديد من المهام ذات الصلة في وقت واحد، ومشاركة التمثيلات الداخلية عبرها. من خلال تعلم البنية المشتركة، تساعد كل مهمة المهام الأخرى، وغالبًا ما تعمل على تحسين الدقة وكفاءة البيانات عبر تدريب نماذج منفصلة.
كيف يتم إعداد نموذج التعلم متعدد المهام أثناء التدريب؟
تقوم MTL بتدريب نموذج واحد على مهام متعددة بحيث تلتقط الطبقات المشتركة البنية المفيدة عبرها جميعًا.
في شبكة MTL النموذجية ذات المعلمات الثابتة، ما هو المشترك وما هو المنفصل؟
تستخدم مشاركة المعلمات الصلبة صندوقًا مشتركًا للميزات العامة ورؤوسًا منفصلة مخصصة لكل مهمة.
لماذا يمكن للتعلم متعدد المهام تحسين التعميم؟
يؤدي تعلم العديد من المهام إلى تقييد الميزات المشتركة، ويعمل بمثابة تنظيم يساعد غالبًا في المهام منخفضة البيانات بشكل خاص.
ما هو "النقل السلبي" في التعلم متعدد المهام؟
يمكن أن تؤدي التدرجات المتعارضة أو الخسائر المهيمنة إلى تدهور مهمة واحدة في المهام الأخرى، وهو عكس النقل المفيد.
كيف تتشكل الخسارة الإجمالية عادة في التعلم متعدد المهام؟
الهدف هو عادةً Σ wᵢ Lᵢ، واختيار الأوزان أمر بالغ الأهمية نظرًا لأن المهام تختلف من حيث الحجم والصعوبة.
استمر في التعلم
أدلة ذات صلة
تم اختيار المزيد من الأدلة لهذا الموضوع