باحثون يطورون نظاماً يعتمد على وكلاء أذكياء لتنقية بيانات الذكاء الاصطناعي
إطار عمل جديد باسم CuratorMAS يقوم بأتمتة تصفية وتحسين البيانات، مما يرفع دقة النماذج بنسبة تصل إلى 8.88 نقطة مئوية.
تعد عملية تنظيف البيانات المستخدمة في تدريب نماذج الذكاء الاصطناعي مهمة شاقة وغالباً ما تتطلب جهداً بشرياً كبيراً. ولحل هذه المشكلة، قدم باحثون إطار عمل يسمى CuratorMAS يعتمد على مجموعة من الوكلاء الأذكياء الذين يعملون معاً لأتمتة هذه العملية.
آلية العمل
يساهم CuratorMAS في تقليل نسبة الضوضاء بمقدار 36.03 نقطة مئوية، مع تحسين مقياس F1 للنماذج النهائية بنسبة تصل إلى 8.88 نقطة مئوية.
يقوم النظام بتقسيم عملية التنظيم إلى 5 مراحل تقنية منظمة. يبدأ باستكشاف مجموعة البيانات لفهم هيكلها والمتطلبات الأساسية، ثم يستمد معلومات محدثة من مصادر عبر الإنترنت لتعزيز دقة التقييم.
بمجرد أن يستوعب الوكلاء طبيعة البيانات، يقومون بتحديد معايير الجودة المطلوبة وحساب المقاييس ذات الصلة. بناءً على ذلك، يتم تصفية البيانات غير المرغوب فيها. وفي النهاية، توجد وحدة تطوير تلخص النتائج لتحديث مهارات الوكلاء للمهام القادمة.
النتائج المحققة
أظهرت التجارب أن CuratorMAS فعال جداً في تقليل البيانات الخاطئة. فقد ساهم الإطار في خفض نسبة الضوضاء في البيانات بمقدار 36.03 نقطة مئوية، مما أدى إلى تحسين أداء النماذج النهائية بمقدار 8.88 نقطة مئوية في مقاييس F1.
هل تساءلت يوماً عن مدى تأثير جودة البيانات الخام على ذكاء النماذج التي نستخدمها يومياً؟
ورغم هذه النتائج الواعدة، ركزت الدراسة على بنية عمل محددة. ولم يوضح الباحثون أداء النظام عبر كافة أنواع البيانات المتخصصة في كل قطاع، أو التكاليف الحاسوبية اللازمة لتشغيل هؤلاء الوكلاء في وقت واحد.
المصدر: arXiv cs.AI