تحدي الذيل الطويل

في مجال الذكاء الاصطناعي، يشير تحدي الذيل الطويل عادةً إلى فئة من المشكلات التي تواجه التعلم الآلي والتعلم العميق، وخاصة عند التعامل مع مهام التعرف البصري. يركز تحدي الذيل الطويل على مشكلة عدم التوازن بين الفئات، أي أن الفئة الأقلية (الفئة الرئيسية) في مجموعة البيانات لديها عدد كبير من العينات، بينما تحتوي الفئة الأغلبية (فئة الذيل) على عدد قليل من العينات فقط. سيؤدي هذا الوضع إلى ميل النموذج إلى تعلم ميزات الفئات عالية التردد وتجاهل الفئات منخفضة التردد أثناء التدريب، مما سيؤثر على أداء النموذج على مجموعة البيانات الإجمالية، وخاصة على الفئات النادرة.

في البحث الأكاديمي، هناك المزيد والمزيد من الأوراق البحثية حول تحدي الذيل الطويل. على سبيل المثال، أجرى فريق يان شويتشينج وفينج جياشي أبحاثًا حول التعلم العميق طويل الذيل في الجامعة الوطنية في سنغافورة ومختبر SEA AI، ونشروا ورقة مراجعة ذات صلة "التعلم العميق طويل الذيل: دراسة استقصائية"، شرح بشكل منهجي التعلم العميق طويل الذيل وطرقه وتطبيقاته، واقترح مؤشر تقييم جديد للتحقق من قدرة طرق التعلم طويل الذيل الموجودة على حل مشكلة اختلال التوازن بين الفئات.