الکتروهایو

هوش مصنوعی / الکترونیک / برنامه‌نویسی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

ارائه مدل پیش‌بینی با یادگیری ماشین توسط دانشگاه برکلی

ارائه مدل پیش‌بینی با یادگیری ماشین توسط دانشگاه برکلی - سایت الکتروهایو
در این مقاله می‌خوانید:

زمان تخمینی مطالعه: 5 دقیقه

در چشم‌انداز در حال تحول سیستم‌های پیش‌بینی‌کننده که بخش مهمی از هوش مصنوعی هستند، هنر و علم پیش‌بینی به‌عنوان ابزارهای محوری برای تصمیم‌گیری در بخش‌های مختلف، از سیاست‌های دولتی گرفته تا استراتژی شرکت‌ها، قرار دارند. پیش‌بینی به‌شدت بر روش‌های آماری تکیه کرده است، که بر اساس داده‌های فراوان و تغییرات حداقلی در الگوهای زیربنایی رشد می‌کند. با این حال، پیش‌بینی قضاوتی(judgmental forecasting) رویکردی متفاوت را معرفی کرده است، که از شهود انسانی، دانش حوزه و منابع اطلاعاتی متنوع برای پیش‌بینی رویدادهای آینده تحت کمبود و عدم قطعیت داده استفاده می‌کند. چالش پیش‌بینی در پیچیدگی ذاتی آن و محدودیت‌های روش‌شناسی موجود است. مدل‌های آماری، در حالی که قدرتمند هستند، اغلب نیاز به سناریوهایی دارند که با کمبود داده یا تغییرات قابل توجه در توزیع داده‌ها مشخص می‌شوند. اما پیش‌بینی قضاوتی، عنصر انسانی را با تمام بینش‌ها و سوگیری‌هایش وارد معادله می‌کند. این روش بر توانایی پیش‌بینی‌کنندگان برای ترکیب اطلاعات از منابع مختلف، از جمله داده‌های تاریخی و رویدادهای جاری، برای پیش‌بینی‌های آگاهانه درباره نتایج آینده متکی است. در این مطلب مدل پیش‌بینی با یادگیری ماشین جدید معرفی می‌شود که مبتنی بر LM ها است.

یک تیم تحقیقاتی از دانشگاه برکلی کالیفرنیا خط لوله LM جدیدی را توسعه داده‌اند، یک سیستم مدل زبانی تقویت شده(retrieval-augmented language model) با بازیابی که به طور خاص برای پیش‌بینی طراحی شده است. این سیستم اجزای حیاتی فرآیند پیش‌بینی را خودکار می‌کند، از جمله بازیابی اطلاعات مرتبط از منابع خبری، استدلال بر اساس داده‌های جمع‌آوری‌شده، و تجمیع پیش‌بینی‌های فردی در یک پیش‌بینی جامع. هسته اصلی این نوآوری در توانایی آن برای مهار داده‌های مقیاس وب و قابلیت تجزیه سریع LM های نهفته است، که جایگزینی مقیاس پذیر و کارآمد برای روش‌های پیش بینی سنتی ارائه را می‌دهد.

این سیستم رویکردهای مختلفی را برای دستیابی به پوشش جامع در پیش بینی با تجزیه سؤالات به سؤالات فرعی و استفاده از سؤالات جستجو ترکیب می‌کند. مقالات از APIهای خبری بازیابی شده و بر اساس امتیازات مرتبط ارائه شده توسط GPT-3.5-Turbo فیلتر می‌شوند. سپس مقالات به گونه‌ای خلاصه می‌شوند که در پنجره زمینه(Context Window) مدل زبان قرار گیرند. استدلال یکی از جنبه‌های مهم پیش‌بینی دقیق است و سیستم از دستورات صفحه اسکرچ برای هدایت فرآیند استدلال مدل استفاده می‌کند. مدل پیش‌بینی با یادگیری ماشین جدید این پیش‌بینی‌ها را از مدل‌های مختلف برای بهبود دقت جمع‌آوری می‌کند، و سیستم بازیابی و استدلال از طریق یک جابجایی فراپارامتر، از جمله بهینه‌سازی اعلان‌ها، خلاصه‌های مقاله، و روش‌های ترکیبی بهینه‌سازی می‌شود. این فرآیند پیچیده به یک رویکرد آگاهانه تر و ظریف‌تر برای پیش بینی، استفاده از دانش گسترده مدل‌های زبان و قابلیت‌های پردازش سریع اجازه می‌دهد.

محققان به نتایج به دست آمده از مطالعه بسیار خوشبین هستند. در یک مجموعه آزمایشی جامع، این سیستم به میانگین امتیاز Brier برابر با 0.179 دست یافت که نزدیک به نمره کل انسانی 0.149 است و نشان می‌دهد که سیستم پیش‌بینی مبتنی بر مدل زبان تقریباً دقیق بوده و در برخی موارد از دقت پیش‌بینی‌کنندگان انسانی نیز فراتر می‌رود. این یافته پتانسیل قابل توجهی را برای مدل‌های زبان برای کمک به پیش‌بینی و ارائه پیش‌بینی‌های دقیق در مقیاس بزرگ و تسهیل فرآیندهای تصمیم‌گیری آگاهانه‌تر نشان می‌دهد.

در نتیجه، این مطالعه یک مورد قانع‌کننده برای ادغام مدل‌های زبان در حوزه پیش‌بینی ارائه می‌کند و پتانسیل این ابزارها را برای افزایش دقت و کارایی پیش‌بینی نشان می‌دهد. باید توجه کرد که رسیدن از تحقیق به کاربرد عملی در دنیای واقعی دارای چالش‌ها و ملاحظات فراوانی است، اما کار بنیادی که توسط تیم UC Berkeley ایجاد شده است، گام مهمی به جلو در تلاش‌های جاری برای روش‌های پیش‌بینی قابل‌اعتمادتر و قابل دسترس‌تر است. پیامدهای این تحقیق فراتر از علایق آکادمیک است و نوید می‌دهد که فرآیندهای تصمیم‌گیری در دولت‌ها، کسب و کار‌ها و فراتر از آن را تحت تأثیر قرار خواهد داد.

لوگو الکتروهایو

الکتروهایو در خدمت مخاطبان عزیز می‌باشد. ما در تیم الکتروهایو در تلاش برای تهیه مقالات و مطالب به روز هستیم. لطفا برای مطالب و مقالات بیشتر با ما همراه باشید.

مطالب مرتبط:

داده‌های اسمی Nominal Data - الکتروهایو

داده‌های اسمی Nominal Data چیست؟

داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی و تفسیر آن در بسیاری از زمینه‌ها از جمله آمار، علوم کامپیوتر، روانشناسی و بازاریابی ضروری است. این مقاله ویژگی‌ها، کاربردها و تفاوت‌های داده‌های اسمی

ادامه مطلب »
حاشیه‌نویسی متن در هوش مصنوعی - سایت الکتروهایو

حاشیه‌نویسی متن در هوش مصنوعی

حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. حاشیه‌نویسی‌ها برچسب‌هایی هستند که داده‌ها را شناسایی و طبقه‌بندی می‌کنند یا قطعات مختلف اطلاعات را با یکدیگر مرتبط می‌کنند. الگوریتم‌های هوش مصنوعی از آنها به

ادامه مطلب »
هوش مصنوعی در باستان شناسی و کاربردهای آن - سایت الکتروهایو

هوش مصنوعی در باستان شناسی چه کاربردهای می‌تواند داشته باشد؟

مکان‌های باستان‌شناسی ممکن است ثابت باشند، اما فرهنگ‌هایی که آنها را تولید کرده‌اند، پویا و متنوع بودند. برخی از آنها کاملاً عشایری بودند و مرتباً موقعیت خود را تغییر می‌دادند. برخی از آنها فواصل بسیار زیادی را مهاجرت کردند، در

ادامه مطلب »
با الگوریتم تشخیص اشیاء FCOS آشنا شوید - سایت الکتروهایو

با الگوریتم تشخیص اشیاء FCOS آشنا شوید: تشخیص اشیاء تک مرحله‌ای کاملاً کانولوشنال

تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده در اطراف اشیاء شناسایی شده، مکان یک شی را در یک تصویر شناسایی و مکان‌یابی می‌کند. اهمیت تشخیص اشیاء را نمی‌توان به اندازه کافی بیان

ادامه مطلب »
با سایت Kaggle آشنا شوید! دریچه‌ای رو به دنیای اجتماع متخصصان هوش مصنوعی - سایت الکتروهایو

با سایت Kaggle آشنا شوید! دریچه‌ای رو به دنیای اجتماع متخصصان هوش مصنوعی

یادگیری ماشین (Machine Learning) و علم داده (Data Science) موضوعاتی هستند که در تمامی بخش‌های فناوری اطلاعات در مورد آن بحث و گفتگو وجود دارد. امروزه همه چیز در حال خودکار شدن است، و برنامه‌های کاربردی نیز به سرعت در

ادامه مطلب »
داده‌های اسمی Nominal Data - الکتروهایو

داده‌های اسمی Nominal Data چیست؟

داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی …

حاشیه‌نویسی متن در هوش مصنوعی - سایت الکتروهایو

حاشیه‌نویسی متن در هوش مصنوعی

حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. …

هوش مصنوعی در باستان شناسی و کاربردهای آن - سایت الکتروهایو

هوش مصنوعی در باستان شناسی چه کاربردهای می‌تواند داشته باشد؟

مکان‌های باستان‌شناسی ممکن است ثابت باشند، اما فرهنگ‌هایی که آنها را تولید کرده‌اند، پویا و …

با الگوریتم تشخیص اشیاء FCOS آشنا شوید - سایت الکتروهایو

با الگوریتم تشخیص اشیاء FCOS آشنا شوید: تشخیص اشیاء تک مرحله‌ای کاملاً کانولوشنال

تشخیص اشیاء یک کار مهم در بینایی کامپیوتر است که با رسم کادرهای محدود کننده …

تصویربرداری چند طیفی، دیدی جدید فراسوی نور مرئی - سایت الکتروهایو

تصویربرداری چند طیفی، دیدی جدید فراسوی نور مرئی

تصویربرداری چند طیفی تکنیکی است که نور را در طیف وسیعی از باندهای طیفی، فراتر …