ليانغ وينفنغ يسمي قدرة التعلم المستمر للذكاء الاصطناعي نقطة ضعف. كيف يحل DeepSeek هذه المشكلة؟
DeepSeek
ليانغ وينفنغ، رئيس DeepSeek، صرّح أن قدرة التعلم المستمر للذكاء الاصطناعي هي نقطة ضعف رئيسية. تعمل الشركة على تطوير طرق لحل هذه المشكلة، بما في ذلك خوارزميات الضبط الدقيق الفعالة وتكييف النماذج مع البيانات الجديدة دون إعادة تدريب من الصفر.
قال ليانغ وينفنغ، رئيس شركة DeepSeek، إن إحدى المشكلات الرئيسية في أنظمة الذكاء الاصطناعي الحالية هي افتقارها إلى القدرة على التعلم المستمر. فعلى عكس الإنسان الذي يستوعب المعلومات الجديدة باستمرار، تظل معظم نماذج الذكاء الاصطناعي ثابتة بعد مرحلة التدريب ولا تستطيع التكيف مع البيانات الجديدة دون إعادة تدريب كاملة. تعمل DeepSeek على حل هذه المشكلة من خلال تطوير خوارزميات تسمح للنماذج بتحديث تعلمها بكفاءة على البيانات الجديدة مع الاحتفاظ بالمعرفة السابقة. ويشمل ذلك أساليب التنظيم التي تمنع النسيان الكارثي، وحلولاً معمارية تسهل التعلم المتزايد. سيمكن هذا النهج أنظمة الذكاء الاصطناعي من أن تكون أكثر مرونة وأكثر صلة على المدى الطويل، وهو أمر مهم بشكل خاص للمهام التي تتطلب تحديثًا مستمرًا للمعرفة، مثل تحليل تدفقات الأخبار أو المنشورات العلمية.
المصدر: DeepSeek (GNews) —
الأصلي
