تغلب على النسيان الكارثي من خلال الانتباه الشديد للمهمة

النسيان الكارثي يحدث عندما يفقد الشبكة العصبية المعلومات التي تعلمتها في مهمة سابقة بعد التدريب على المهام اللاحقة. لا يزال هذا المشكلة عائقًا أمام أنظمة الذكاء الصناعي ذات قدرات التعلم المتتابعة. في هذه الورقة البحثية، نقترح آلية انتباه صلب قائمة على المهمة والتي تحافظ على معلومات المهام السابقة دون التأثير على تعلم المهمة الحالية. يتم تعلم قناع انتباه صلب مع كل مهمة من خلال الانحدار التدرجى العشوائي، واستخدام الأقنعة السابقة لتحديد هذا التعلم. نوضح أن الآلية المقترحة فعالة في تقليل النسيان الكارثي، حيث تخفض معدلاته الحالية بنسبة تتراوح بين 45٪ إلى 80٪. كما نوضح أنها مقاومة للخيارات المختلفة للمعالم الفائقة (hyperparameters)، وتقدم عددًا من إمكانات الرصد. يوفر هذا النهج إمكانية السيطرة على الاستقرار والكثافة المعرفية للمعرفة المكتسبة، وهو ما نعتقد أنه يجعله جذابًا أيضًا لتطبيقات التعلم عبر الإنترنت أو ضغط الشبكات.