الأبحاث في مجال: الذكاء الاصطناعي (Artificial Intelligence)
-
تقييم نماذج التنبؤ السريرية (الجزء 2): كيفية إجراء دراسة التحقق الخارجي
2024 | المؤلف: Richard D Riley وآخرون | المجلة: BMJ | المجال: الذكاء الاصطناعي (Artificial Intelligence)في المقالة الثانية من سلسلتهم حول تقييم النماذج، يؤكد رايلي وزملاؤه على أهمية دراسات التحقق الخارجي في أبحاث نماذج التنبؤ. يحددون المكونات الأساسية لإجراء مثل هذه الدراسات، والتي تشمل إنشاء مجموعة بيانات عالية الجودة وتقييم أداء النموذج التنبؤي وقابليته السريرية. يجادل المؤلفون بأن التحقق الخارجي يجب أن يُعتبر عملية حاسمة ومستدامة داخل مجتمع البحث، حيث…
-
تطبيقات التعلم العميق في المعلوماتية الحيوية والطبية المعتمدة على إنترنت الأشياء: مراجعة منهجية للأدبيات
2024 | المؤلف: Zahra Mohtasham‐Amiri وآخرون | المجلة: Neural Computing and Applications | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم الورقة البحثية نظرة شاملة على تطبيق تقنيات التعلم العميق (DL) في مجال المعلوماتية الحيوية والمعلوماتية الطبية المعتمدة على إنترنت الأشياء (IoT). تبرز الأهمية المتزايدة للتعلم الآلي (ML) والتعلم العميق (DL) في تحسين نتائج الرعاية الصحية من خلال التحليل الفوري للبيانات المعقدة. يصنف المؤلفون أحدث حلول DL إلى خمسة أنواع متميزة: الشبكات العصبية التلافيفية، الشبكات…
-
تقييم نماذج التنبؤ السريرية (الجزء 1): من التطوير إلى التحقق الخارجي
2024 | المؤلف: Gary S. Collins وآخرون | المجلة: BMJ | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقييم نماذج التنبؤ أمر ضروري بسبب تأثير تصميم الدراسة وتحليل البيانات على أدائها التنبؤي عند تطبيقها على بيانات جديدة من السكان المستهدفين. بينما قد يظهر نموذج أداء ممتاز خلال التطوير، فإن هذا لا يضمن نتائج مماثلة في السياقات الخارجية. لذلك، فإن دراسات التحقق ضرورية لتقييم موثوقية وقابلية تعميم نماذج التنبؤ. لتحسين تطوير النموذج وتقييمه، يُوصى…
-
معالجة البيانات الآلية وهندسة الميزات لتطبيقات التعلم العميق والبيانات الضخمة: استبيان
2024 | المؤلف: Alhassan Mumuni وآخرون | المجلة: Journal of Information and Intelligence | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم هذه القسم نظرة عامة على التقدم في أتمتة مهام معالجة البيانات ضمن خطوط أنابيب التعلم العميق، مع التأكيد على أهمية هذه التطورات في سياق الذكاء الاصطناعي (AI) وتطبيقات البيانات الضخمة. تركز أساليب الذكاء الاصطناعي الحديثة على تصميم خوارزميات تتعلم من البيانات، لا سيما من خلال التعلم العميق المراقب، مما سهل إنشاء أنظمة التعلم الآلي.…
-
تعزيز كشف احتيال بطاقات الائتمان: نهج تعلم آلي جماعي
2024 | المؤلف: Abdul Rehman Khalid وآخرون | المجلة: Big Data and Cognitive Computing | المجال: الذكاء الاصطناعي (Artificial Intelligence)تتناول ورقة البحث القضية الملحة للاحتيال باستخدام بطاقات الائتمان في سياق زيادة المعاملات الرقمية، مقترحة نموذج جديد للتعلم الآلي الجماعي لتعزيز قدرات الكشف عن الاحتيال. يحدد المؤلفون قيودًا كبيرة في أنظمة الكشف عن الاحتيال الحالية، مثل عدم توازن البيانات، وتحول المفاهيم، ومعدلات عالية من الإيجابيات الكاذبة والسلبيات الكاذبة. للتغلب على هذه التحديات، يقدمون نموذجًا جماعيًا…
-
Adaptive-RAG: تعلم التكيف مع نماذج اللغة الكبيرة المعززة بالاسترجاع من خلال تعقيد الأسئلة
2024 | المؤلف: Soyeong Jeong وآخرون | المجلة: Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers) | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم البحث إطار عمل استرجاع معزز بالتكيف (Adaptive-RAG)، المصمم لتحسين التعامل مع الاستفسارات ذات التعقيدات المتفاوتة في مهام السؤال والجواب (QA). تكافح نماذج اللغة الكبيرة المعززة بالاسترجاع (LLMs) التقليدية لتحقيق التوازن بين الكفاءة والدقة، وغالبًا ما تعقد الاستفسارات البسيطة أو تعالج بشكل غير كاف الاستفسارات المعقدة متعددة الخطوات. يعالج إطار العمل Adaptive-RAG هذه التحديات من…
-
emotion2vec: التدريب الذاتي المسبق لتمثيل عواطف الكلام
2024 | المؤلف: Ziyang Ma وآخرون | المجلة: Findings of the Association for Computational Linguistics ACL 2024 | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذا البحث، يقدم المؤلفون emotion2vec، وهو نموذج تمثيل عاطفي عالمي مصمم لتعزيز التعرف على العواطف عبر مهام ولغات مختلفة. تم تدريب النموذج مسبقًا على 262 ساعة من بيانات العواطف غير المصنفة باستخدام نهج تقطير عبر الإنترنت مع إشراف ذاتي يدمج بين وظائف خسارة مستوى التعبير ووظائف خسارة مستوى الإطار. تتيح هذه الاستراتيجية التدريبية المبتكرة…
-
MM-LLMs: التقدمات الحديثة في نماذج اللغة الكبيرة متعددة الوسائط
2024 | المؤلف: Duzhen Zhang وآخرون | المجلة: Findings of the Association for Computational Linguistics ACL 2024 | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذه الورقة، يقدم المؤلفون مسحًا شاملًا لنماذج اللغة الكبيرة متعددة الوسائط (MM-LLMs)، مع تسليط الضوء على التقدم الكبير الذي تم إحرازه على مدار العام الماضي. تعزز هذه النماذج نماذج اللغة الكبيرة التقليدية (LLMs) من خلال دمج المدخلات والمخرجات متعددة الوسائط من خلال استراتيجيات تدريب فعالة من حيث التكلفة، مما يحافظ على قدراتها على التفكير…
-
تقييم التوليد المعزز بالاسترجاع للطب
2024 | المؤلف: Guangzhi Xiong وآخرون | المجلة: Findings of the Association for Computational Linguistics ACL 2024 | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذا القسم، يناقش المؤلفون قيود نماذج اللغة الكبيرة (LLMs) في الإجابة على الأسئلة الطبية (QA)، وخاصة القضايا المتعلقة بالهلوسة والمعلومات القديمة. لمعالجة هذه التحديات، يقترحون تقييم استرجاع المعلومات الطبية المعزز بالتوليد (MIRAGE)، وهو معيار يتكون من 7,663 سؤالاً مأخوذة من خمسة مجموعات بيانات طبية للإجابة على الأسئلة. أجرى المؤلفون تجارب واسعة باستخدام مجموعة أدوات…
-
DeepSeekMoE: نحو التخصص النهائي للخبراء في نماذج اللغة المختلطة من الخبراء
2024 | المؤلف: Damai Dai وآخرون | المجلة: Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذا القسم، يقدم المؤلفون بنية DeepSeek-MoE، المصممة لتعزيز تخصص الخبراء ضمن نماذج مزيج الخبراء (MoE)، خاصة في سياق نماذج اللغة الكبيرة. تكافح الهياكل التقليدية لمزيج الخبراء، مثل GShard، لضمان أن يطور الخبراء معرفة متميزة ومركزة. لمعالجة ذلك، تستخدم DeepSeek-MoE استراتيجيتين رئيسيتين: أولاً، تقسم الخبراء بدقة إلى \(mN\) وحدة وتفعيل \(mK\) منها، مما يسمح باختيار…