تكنوضاد ذكاء اصطناعي

النمذجة التوليدية | GENERATIVE MODELING


ما هي النمذجة التوليدية؟

هي استخدام تقنيات الذكاء الاصطناعي والإحصاء والاحتمالات في التطبيقات لتوليد أو إنتاج أمثلة جديدة مستوحاة من الأمثلة الموجودة في مجموعة البيانات الأصلية. تستخدم النمذجة التوليدية في التعلم الآلي وتحديداُ التعلم غير الموجّه كوسيلة لوصف الظواهر في البيانات بهدف تمكين الحواسيب من فهم العالم الحقيقي. ويتم تمثيل أو تجريد تلك الظواهر أو المتغيرات المستهدفة التي يمكن حسابها بالاعتماد على الملاحظة والرصد عن طريق اكتشاف الانتظام أو الأنماط في تلك البيانات تلقائياً.

تقوم خوارزميات النمذجة التوليدية بمعالجة أحجام كبيرة من بيانات التدريب، وتخفيض تلك البيانات عن طريق تمثيلها بأوزان ذات حجم أصغر بكثير. وتملك هذه الخوارزميات القدرة على تحديد السمات الطبيعية التي تميز البيانات، وبعد ذلك استخدام فهمها الأساسي لبيانات العالم الحقيقي لنمذجة بيانات مماثلة أو يصعب تمييزها عن البيانات الأصلية. فعلى سبيل المثال يمكن استخدام مجموعة كبيرة من الصور من العالم الحقيقي لتدريب نموذج توليدي على توليد صور مماثلة. ومن أهم الإنجازات في هذا المجال النموذج اللغوي جي بي تي-3 (GPT-3) الذي يولد نصوص تشبه تلك التي يكتبها البشر.

ما الفرق بين النمذجة التوليدية والنمذجة التمييزية؟

تستخدم النمذجة التوليدية لتوليد أمثلة جديدة من البيانات، أما على الجانب الآخر فتستخدم النمذجة التمييزية للتمييز بين أنواع البيانات المختلفة أو تصنيفها. فعلى سبيل المثال يمكن للنموذج التوليدي إنتاج صور حيوانات مماثلة للحيوانات الحقيقية، بينما يستخدم النموذج التمييزي للتفريق بين حيوان وآخر. ويتم الجمع بين هذين النموذجين في الشبكات التوليدية التنافسية؛ حيث يقوم النموذج التوليدي بإنتاج أمثلة جديدة، فيما يقوم النموذج التمييزي بتصنيف تلك الأمثلة إلى حقيقية ومزيفة.


مفاهيم من نفس المحور


مقالات تم ذكر هذا المصطلح فيها


بدعم من تقنيات