الذكاء الاصطناعي يتعلم «فهم المفاجأة».. إطار جديد يغير قواعد التعلم

طوّر باحثون في معهد جورجيا للتكنولوجيا إطارًا جديدًا يهدف لمساعدة الأنظمة الذاتية ووكلاء الذكاء الاصطناعي على التمييز بين الأحداث النادرة والمواقف التي تستدعي مراجعة الفهم.

الإطار الذي يحمل اسم «Mutual Information Surprise» ويقترح إعادة تعريف المفاجأة كمؤشر على تقدم معرفي، حيث يستخدم مقاييس مثل «مفاجأة شانون» التي تركز على مدى ندرة الحدث، بينما تقيس «مفاجأة بايزيان» مقدار التغير في معتقدات النظام.

وضرب الفريق البحثي مثالًا بظهور نوع محدد من السيارات في موقف قريب، وهو حدث نادر إحصائيًا لكنه لا يحمل معنى مهمًا بالضرورة.

في المقابل، إذا كان طالب يحقق نتائج مرتفعة باستمرار ثم أخفق فجأة، فقد يكون هذا التغير أكثر دلالة رغم عدم انسجامه مع القياس التقليدي.

ويعتمد الإطار الجديد على مفهوم «المعلومات المتبادلة»، وهو مقياس يستخدم لقياس مقدار المعلومات المشتركة بين متغيرات مختلفة.

وبدلًا 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.