Janga la Kusahau
Kusahau kwa janga ni wakati mtandao wa neva hujifunza kazi mpya na kupoteza ghafla uwezo wake wa kutekeleza majukumu ambayo tayari ilikuwa imesimamia.
Muhtasari
It is a central obstacle to building AI that learns continually without retraining from scratch.
Dive ya kina
Mitandao ya Neural huhifadhi maarifa katika uzani wa pamoja. Unapofunza mwanamitindo kuhusu kazi mpya, masasisho ya upinde rangi yanabatilisha vigezo vilivyosimba ujuzi wa awali, ili utendaji wa zamani uporomoke. Huu ni usahaulifu wa janga, unaoitwa pia uingiliaji wa janga, ulioandikwa kwa mara ya kwanza na McCloskey na Cohen mnamo 1989. Ni mkali katika kujifunza kwa kufuatana au kuendelea, ambapo data hufika kwa awamu badala ya zote kuchanganywa pamoja. Kwa mfano, kurekebisha chatbot kwa kiasi kikubwa kwenye maandishi ya kisheria kunaweza kuharibu uwezo wake wa jumla wa mazungumzo. Marekebisho ya kawaida ya nguvu ya kikatili ni kujizoeza tena kwa kazi zote kwa pamoja, lakini hiyo ni ghali na inadhania kuwa bado unayo data ya zamani. Watafiti badala yake hutumia mbinu zinazolinda uzani muhimu, kucheza tena mifano ya zamani, au kuongeza vigezo mahususi vya kazi, yote yakilenga kuwaruhusu wanamitindo kukusanya maarifa jinsi wanadamu wanavyofanya.
Ufahamu wa Kiufundi
Kusahau hutokea kwa sababu uzani ule ule hutumiwa tena katika kazi zote, na mteremko usiozuiliwa wa upinde rangi kwenye data mpya husogeza kwa uhuru. Upunguzaji ni pamoja na Ujumuishaji wa Uzito wa Elastic, ambao huongeza adhabu ambayo hupunguza mabadiliko kwa vigezo vinavyochukuliwa kuwa muhimu kwa kazi za zamani (zinazokadiriwa kupitia maelezo ya Fisher). Mbinu nyingine ni mazoezi au uchezaji wa upya wa uzoefu (kuingiliana kwa mifano ya zamani iliyohifadhiwa au iliyotolewa), na mbinu za kutenganisha vigezo kama vile adapta au LoRA ambazo husimamisha muundo msingi na kuongeza moduli ndogo mpya.
Athari za kimkakati
Kasi na kiwango
Mitiririko ya kazi ya lugha inaweza kusonga kwa kasi zaidi bila kuacha uthabiti.
Kufikia na kufikia
Inapanua ufikiaji katika lugha na mitindo ya mawasiliano.
Maamuzi ya wazi zaidi
Timu zinaweza kutumia muda mwingi kufanya uamuzi huku otomatiki ikishughulikia marudio.
Mustakabali wa Kusahau Msiba
Mifumo inaposonga kutoka kwa mafunzo ya risasi moja kuelekea mifumo ya maisha yote, inayosasishwa kila mara, kudhibiti kusahau inakuwa muhimu. Mbinu zinazotumia vigezo vizuri kama vile vibadilishaji vya LoRA huruhusu timu kuongeza ujuzi bila kusumbua muundo msingi, na mifumo iliyoboreshwa ya kurejesha huepusha tatizo kwa kuweka maarifa mapya kwenye duka la nje badala ya uzani. Tarajia vigezo vinavyoendelea vya kujifunza, usanifu wa kawaida, na mbinu za ujumuishaji zilizohamasishwa na ubongo ili kukomaa, na kutuelekeza kwenye miundo inayosasishwa na taarifa mpya huku tukihifadhi kwa uhakika kile ambacho tayari wanakijua.
Utekelezaji wa Ulimwengu Halisi
Chatbot ya jumla iliyotungwa vyema kwa maandishi ya matibabu hupoteza ufasaha katika mazungumzo ya kawaida.
Ujumuishaji wa Uzito wa Elastic huruhusu wakala wa kucheza mchezo kujifunza michezo mpya ya Atari bila kusahau ya zamani.
Timu hutumia adapta za LoRA kuongeza ujuzi mpya wa kikoa huku zikiacha uwezo wa muundo wa msingi ulioganda ukiwa sawa.
Uzoefu wa mchezo wa marudio huhifadhi mifano ya zamani na huiacha wakati wa mafunzo mapya ili kuhifadhi utendaji wa zamani.
Hatari & Walinzi
Mambo ya ukweli yanaweza kuingiza ripoti kwa utulivu, mitiririko ya usaidizi, au matokeo ya utafiti.
Usikivu wa haraka unaweza kuunda matokeo yasiyolingana katika maombi sawa.
Data nyeti ya maandishi inaweza kufichuliwa ikiwa vidhibiti vya ufikiaji ni dhaifu.
Ramani ya Utekelezaji
Bainisha umbizo la towe, toni na viwango vya ubora kabla ya kusambaza.
Majibu ya msingi na vyanzo vinavyoaminika wakati wowote usahihi ni muhimu.
Weka ukaguzi wa ukaguzi wa kibinadamu kwa matokeo ya juu.
Fuatilia mifumo ya kushindwa na fundisha tena vidokezo au mtiririko wa kazi mara kwa mara.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Catastrophic Forgetting quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
Kuendelea Kujifunza na Kusahau Msiba
Maswali yanayoulizwa mara kwa mara
What is Catastrophic Forgetting?
Kusahau kwa janga ni wakati mtandao wa neva hujifunza kazi mpya na kupoteza ghafla uwezo wake wa kutekeleza majukumu ambayo tayari ilikuwa imesimamia. Ni kikwazo kikuu cha kujenga AI ambayo hujifunza kila wakati bila kujizoeza kutoka mwanzo.
Kusahau kwa janga ni nini?
Kusahaulika kwa janga ni upotezaji wa ghafla wa uwezo wa zamani wakati mtandao unafunzwa juu ya kazi mpya, kwa sababu uzani wa pamoja hubadilishwa.
Kwa nini kusahau kwa janga hufanyika katika mitandao ya neva?
Maarifa huishi katika vigezo vilivyoshirikiwa, kwa hivyo mafunzo kuhusu data mpya hubadilisha uzani huo huo na kufuta mafunzo ya awali.
Je, Ujumuishaji wa Uzito wa Elastic (EWC) hufanya nini ili kupunguza kusahau?
EWC huongeza adhabu ya kuhalalisha ambayo inapunguza kasi ya masasisho kwa vigezo vinavyochukuliwa kuwa muhimu kwa kazi za zamani, inayokadiriwa kupitia maelezo ya Fisher.
Je, uzoefu huchezaje tena (mazoezi) kupambana na kusahau?
Mazoezi huchanganyika katika mifano ya zamani (iliyohifadhiwa au kuzalishwa) wakati wa kujifunza kazi mpya ili utendaji wa zamani uimarishwe.
Kwa nini adapta za LoRA ni muhimu kwa kuzuia kusahau kwa janga?
LoRA huzuia muundo msingi na hujifunza vigezo vidogo vya kuongeza, ili ujuzi mpya usisumbue uwezo uliopo.