تطور الذكاء الاصطناعي: كيفية تحسين استجابة النماذج باستخدام التصنيف العابر!

في ظل الابتكارات المتسارعة في مجال الذكاء الاصطناعي، أصبح تحسين استجابة النماذج لطلبات المستخدمين أمرًا بالغ الأهمية. يشير البحث الحالي إلى أن النماذج التوليدية غالبًا ما تفشل في الربط بين المخرجات الناتجة والمفاهيم أو التفضيلات المستهدفة التي يعكسها الطلب (Prompt).

كان التركيز التقليدي في الأبحاث على تعزيز الطلبات قبل عملية التوليد أو تحسين أداء النموذج في البداية. لكن دراسة حديثة اقترحت مفهوم "تطور الطلب" الذي يضيف ضغط اختيار تطوري وتنوعًا خلال العملية التوليدية، بحيث يتم إنتاج مخرجات متعددة تلبي المفاهيم والتفضيلات المستهدفة بشكل أفضل.

تتضمن هذه الفكرة استخدام طريقة تعتمد على تصنيف الصور متعدد التسميات، حيث تُستخدم التسميات المتنبأ بها من المٌصنّفات كأهداف متعددة للتحسين. يهدف هذا الأسلوب إلى إنتاج صور متنوعة تواكب تفضيلات المستخدمين.

تتمثل ميزة خوارزميات التطور الجديدة في كون النموذج التوليدي المدرب مسبقًا يوفر لنا عمليات طفرة ضمنية، مما يستغل القدرة العشوائية للنموذج لتلقائيًا إنشاء صور متباينة تمثل تفضيلات المستخدمين بشكل أوفى.