هل تعاني الأنظمة الذكية من نسيان كارثي؟ فك الشيفرة الجديدة حول تضمينات الرسوم المعرفية!

تشهد الأنظمة الذكية طفرة كبيرة في استخدام تضمينات الرسوم المعرفية (Knowledge Graph Embeddings) التي تدعم مجموعة واسعة من المهام المتنوعة. ومع تقدم الزمن، تتطور هذه الرسوم المعرفية مع إضافة كيانات جديدة وحقائق متنوعة، مما يستدعي تطوير أساليب تضمين الرسوم المعرفية المستمرة (Continual Knowledge Graph Embedding) التي تقوم بتحديث التضمينات بمرور الوقت.

من خلال الأبحاث الحديثة، تثبت أساليب تضمين الرسوم المعرفية المستمرة أننا نواجه ظاهرة تُعرف بالنسيان الكارثي، حيث تتدهور الأداء على المهام التي تم تعلمها سابقًا. وتصب معظم هذه الأساليب تركيزها على تقليل التغييرات في التضمينات الحالية، لكن ما نُظهره في هذا البحث هو أن هذا الرأي ليس كافيًا.

عندما يتم إدخال كيانات جديدة، يمكن أن تتداخل تضميناتها مع تلك التي تم تعلمها مسبقًا، مما يؤدي إلى أن النموذج يتنبأ بشكل خاطئ، حيث يستبدل الإجابات الصحيحة بإجابات غير دقيقة. وقد تم تجاهل هذه الظاهرة، التي أطلقنا عليها اسم تداخل الكيانات، بشكل كبير في بروتوكولات التقييم الحالية لأساليب تضمين الرسوم المعرفية المستمرة، مما يجعل تقييم النسيان الكارثي مضللًا ويعطي تقديرات أداء مبالغ فيها.

لذا، نقدم بروتوكول تقييم مُعدل يأخذ في الحسبان تداخل الكيانات، وقد قمنا بإجراء تجارب على عدة معايير لتوضيح أن تجاهل هذه الظاهرة يمكن أن يؤدي إلى تقدير مبالغ فيه للأداء بنسبة تصل إلى 25%، وخاصة في السيناريوهات التي تتضمن نموًا كبيرًا للكيانات. كما نقوم بتحليل كيفية تأثير أساليب تضمين الرسوم المعرفية المستمرة ونماذج تضمين الرسوم المعرفية على مصادر مختلفة من النسيان، ونقدم مقياسًا للنسيان الكارثي مصمم خصيصًا للرسوم المعرفية المستمرة.