جوجل تكشف عن نهج تعاوني لتطوير الذكاء الاصطناعي
ABRAJ: 2.08(%)   AHC: 0.80(%)   AIB: 1.25(%)   AIG: 0.19(0.00%)   AMLAK: 5.00(%)   APC: 7.25(%)   APIC: 2.29(0.00%)   AQARIYA: 0.82(%)   ARAB: 0.80(%)   ARKAAN: 1.34(0.75%)   AZIZA: 2.47(2.37%)   BJP: 2.80(%)   BOP: 1.50(0.00%)   BPC: 3.90(0.26%)   GMC: 0.80(%)   GUI: 2.12(%)   ISBK: 1.30(%)   ISH: 1.00( %)   JCC: 1.78(3.78%)   JPH: 3.70( %)   JREI: 0.28(%)   LADAEN: 2.50( %)   MIC: 2.71(%)   NAPCO: 0.99( %)   NCI: 1.67(0.00%)   NIC: 2.93(0.34%)   NSC: 3.07( %)   OOREDOO: 0.76(1.33%)   PADICO: 1.02(0.97%)   PALAQAR: 0.42(%)   PALTEL: 4.20(0.00%)   PEC: 2.84(7.49%)   PIBC: 1.08( %)   PICO: 3.39( %)   PID: 1.93( %)   PIIC: 1.80( %)   PRICO: 0.30(0.00%)   PSE: 3.00(%)   QUDS: 1.14( %)   RSR: 4.51( %)   SAFABANK: 0.72(4.35%)   SANAD: 2.20( %)   TIC: 2.95( %)   TNB: 1.24(0.80%)   TPIC: 2.00( %)   TRUST: 3.00( %)   UCI: 0.43(0.00%)   VOIC: 7.12( %)   WASSEL: 1.07( %)  
10:20 صباحاً 11 آذار 2024

جوجل تكشف عن نهج تعاوني لتطوير الذكاء الاصطناعي

الاقتصادي - طرحت جوجل إطار عمل للذكاء الاصطناعي يسمى “التعلم الاجتماعي” يهدف إلى تعزيز القدرات التعاونية لنماذج اللغة دون المساس بخصوصية المستخدم.

ويسمح هذا الإطار لنماذج الذكاء الاصطناعي بالتعلم من بعضها بعضًا من خلال تفاعلات اللغة الطبيعية، مما يمكنها من تبادل المعرفة وتحسين الأداء في المهام المختلفة.

ومن خلال إطار جوجل الجديد، يمكن لنماذج المعلمين نقل المعرفة إلى نماذج الطلاب دون تبادل البيانات الحساسة أو الخاصة بطريقة مباشرة، مما يضمن حماية الخصوصية مع تسهيل التعلم.

وتتعلم نماذج الطلاب في هذا الإطار من نماذج المعلمين المتعددة، ويتقن كل منهم مهام محددة، مثل اكتشاف البريد العشوائي، أو حل المشكلات الرياضية، أو الإجابة عن الأسئلة بناءً على النص.

ومن خلال الاستفادة من الأمثلة المصنفة إنسانيًا، يمكن لنماذج المعلمين تعليم نماذج الطلاب دون الحاجة إلى تبادل البيانات الأصلية، ومعالجة مخاوف الخصوصية المرتبطة بتبادل البيانات.

وبالإضافة إلى ذلك، يمكن لنماذج المعلم تجميع أمثلة جديدة أو إنشاء تعليمات للمهام، مما يعزز عملية التعلم بصورة كبيرة.

وقد أثبتت التجارب فعالية نهج “التعلم الاجتماعي” في تحسين أداء نماذج الطلاب عبر المهام المختلفة.

وأظهرت الأمثلة الاصطناعية التي ولدتها نماذج المعلمين فعالية مماثلة للبيانات الأصلية، مع تقليل مخاطر الخصوصية بطريقة كبيرة.

كما أثبتت التعليمات التي ولدتها نماذج المعلم أنها تعزز أداء نماذج الطلاب، مما يدل على قدرة النماذج اللغوية على التكيف في اتباع التعليمات.

ومن أجل ضمان حماية الخصوصية، استخدم الباحثون مقاييس، مثل Secret Sharer، لقياس تسرب البيانات أثناء عملية التعلم.

وتشير النتائج إلى الحد الأدنى من تسرب البيانات، مما يؤكد قدرة إطار العمل على التدريس دون الكشف عن تفاصيل من مجموعة البيانات الأصلية.

Loading...