النشرة الإخبارية
Sed ut perspiciatis unde.
استكشاف كرونوس: كيف تضع نماذج الذكاء الاصطناعي الأساسية معايير جديدة في التحليلات التنبؤية
تمت مشاركة هذا المنشور مع رافائيل جويديس.
لقد تطور التنبؤ بالسلاسل الزمنية نحو النماذج الأساسية بسبب نجاحها في مجالات الذكاء الاصطناعي الأخرى. لقد شهدنا على وجه الخصوص نجاح مثل هذه الأساليب في معالجة اللغة الطبيعية (NLP). لقد تسارع إيقاع تطوير النماذج التأسيسية مع مرور الوقت. يتم إصدار نموذج لغة كبير جديد وأكثر قوة (LLM) كل شهر. هذا لا يقتصر على البرمجة اللغوية العصبية. نرى نمطًا متزايدًا مماثلاً في رؤية الكمبيوتر أيضًا. نماذج التجزئة مثل نموذج Meta’s Segment Anything Model (SAM) [1] يمكنه تحديد الكائنات وتقسيمها بدقة في الصور غير المرئية. نماذج متعددة الوسائط مثل LLaVa [2] أو كوين-VL [3] يمكنه التعامل مع النصوص والصور للإجابة على أي سؤال للمستخدم. السمة المشتركة بين هذه النماذج هي أنها يمكن أن تؤدي استنتاجًا دقيقًا، مما يعني أنها لا تحتاج إلى تدريب على بياناتك للحصول على أداء ممتاز.
ربما يكون تحديد ماهية النموذج التأسيسي وما يجعله مختلفًا عن الأساليب التقليدية مفيدًا في هذه المرحلة. أولاً، النموذج التأسيسي واسع النطاق (أي التدريب)، والذي يوفر فهمًا واسعًا للأنماط الرئيسية والفروق الدقيقة المهمة التي يمكن أن نجدها في البيانات. ثانيًا، إنه ذو أغراض عامة، أي أن النموذج التأسيسي يمكنه أداء مهام مختلفة دون الحاجة إلى تدريب خاص بالمهمة. على الرغم من أنها لا تحتاج إلى تدريب خاص بالمهام، إلا أنه يمكن ضبطها بدقة (المعروف أيضًا باسم نقل التعلم). وهي قابلة للتكيف مع مجموعات بيانات صغيرة نسبيًا لأداء أفضل في هذه المهمة المحددة.
لماذا يعد تطبيقه على التنبؤ بالسلاسل الزمنية أمرًا مغريًا جدًا بناءً على ما سبق؟ قبل كل شيء، نقوم بتصميم نماذج أساسية في البرمجة اللغوية العصبية لفهم وإنشاء تسلسلات نصية. ولحسن الحظ، فإن بيانات السلاسل الزمنية متسلسلة أيضًا. تتوافق النقطة السابقة أيضًا مع حقيقة أن كلتا المشكلتين تتطلبان أن يقوم النموذج باستخراج الميزات ذات الصلة وتعلمها تلقائيًا من تسلسل البيانات (الديناميكيات الزمنية في بيانات السلاسل الزمنية). بالإضافة إلى ذلك، فإن طبيعة الأغراض العامة للنماذج الأساسية تعني أنه يمكننا تكييفها مع مهام التنبؤ المختلفة. تسمح هذه المرونة بتطبيق نموذج واحد قوي عبر مجالات و…
رابط المصدر
اكتشاف المزيد من موقع علم
اشترك للحصول على أحدث التدوينات المرسلة إلى بريدك الإلكتروني.
