إطار جديد يعيد تعريف المفاجأة في تعلم الذكاء الاصطناعي

إطار جديد لفهم المفاجأة في الذكاء الاصطناعي

أعد باحثون من معهد جورجيا للتكنولوجيا تصميم إطار جديد يدعم الأنظمة المستقلة ووكلاء الذكاء الاصطناعي في التفريق بين الحوادث النادرة وال случаات التي تستوجب إعادة تقييم الفهم.

كيف يميز الإطار بين النادرة والmeaningful

يُطلق على هذا الإطار اسم «Mutual Information Surprise» ويقترح إعادة تعريف المفاجأة كمؤشر على تقدم معرفي، حيث يستعين بمقياسي «مفاجأة شانون» الذي يركز على ندرة الحدث، و«مفاجأة بايزيان» الذي يقيس مقدار التغير في معتقدات النظام. ويضرب الباحثون مثالاً بظهور نوع محدد من السيارات في موقف قريب، وهو حدث نادر إحصائياً لكنه لا يحمل معنى مهمًا بالضرورة. بالمقابل، إذا كان طالب يحقق نتائج مرتفعة باستمرار ثم أخفق فجأة، فقد يكون هذا التغير أكثر دلالة رغم عدم انسجامه مع القياس التقليدي.

اختبارات إحصائية وسياسة استجابة محدثة

ويعتمد الإطار الجديد على مفهوم «المعلومات المتبادلة»، وهو مقياس يستخدم لقياس مقدار المعلومات المشتركة بين متغيرات مختلفة. بدلًا من السؤال فقط عما إذا كان الحدث نادرًا، يحاول النظام قياس ما إذا كانت الملاحظة الجديدة تغيّر فعليًا مقدار ما يعرفه عن العلاقة بين المدخلات والنتائج. ويقول الباحثون إن هذا التحول يسمح للنظام برصد التقدم المعرفي، أي اللحظة التي تكشف فيها البيانات الجديدة شيئًا مهمًا لم يكن النموذج يفهمه من قبل. ولم يقتصر العمل على تعريف المقياس الجديد، إذ طوّر الفريق سلسلة اختبارات إحصائية لرصد التغيرات المهمة في المعلومات المتبادلة. وطوّر الفريق أيضًا سياسة استجابة تحمل اسم «MISRP» يمكنها تعديل طريقة أخذ العينات أو تقسيم عملية التعلم إلى مسارات مختلفة.