باحثون من جامعة محمد بن زايد للذكاء الاصطناعي في المؤتمر الدولي حول تمثيلات التعلم للعام 2023

تم قبول 22 ورقة بحثية تقدّم بها باحثون من جامعة محمد بن زايد للذكاء الاصطناعي في المؤتمر الدولي الحادي عشر حول تمثيلات التعلم (ICLR 2023). إذ تم قبول أبحاث تقدّم بها 14 من الأساتذة والباحثين وباحثي ما بعد الدكتوراة والطلاب في الجامعة إلى جانب مؤلفين مشاركين من دولة الإمارات العربية المتحدة ومن خارجها. ولا بد من الإشارة إلى أن فعاليات المؤتمر انطلقت اليوم الموافق الاثنين 1 مايو 2023 في كيغالي في رواندا.

هذا ويتصدر قائمة الباحثين من جامعة محمد بن زايد للذكاء الاصطناعي الذين تم قبول أبحاثهم في المؤتمر كون زانغ، نائب رئيس قسم تعلّم الآلة في الجامعة والأستاذ المشارك في قسم تعلّم الآلة ومدير إدارة مركز الذكاء الاصطناعي التكاملي، الذي شارك في إعداد سبعة أبحاث.

إلى جانب ذلك، حصل يوانزي لي، الأستاذ المساعد في قسم تعلم الآلة في جامعة محمد بن زايد للذكاء الاصطناعي ، على جائزة الورقة البحثية المشرفة من المؤتمر الدولي حول تمثيلات التعلم للعام 2023، والتي قدّمها تحت عنوان “نحو فهم تجميع النماذج، وتقطير المعرفة، والتقطير الذاتي في التعلّم العميق.” بالتعاون مع زميله زيوان ألان زوهو.

الجدير بالذكر أيضاً أن إريك زينغ، رئيس الجامعة والأستاذ المحاضر فيها، وبينغتاو زي، الأستاذ المساعد في قسم تعلم الآلة، احتلا مكانة مميزة بين أفضل 5 بالمئة من الأوراق البحثية للمؤتمر للعام 2023، عن الورقة البحثية التي حملت عنوان “بيتي: مكتبة تفاضل تلقائية لتحسين متعدد المستويات.”

باحثون من جامعة محمد بن زايد للذكاء الاصطناعي في المؤتمر الدولي حول تمثيلات التعلم للعام 2023

يُشار إلى أن إحدى الأوراق البحثية التي سينشرها زانع ومؤلفون مشاركون في المؤتمر تحمل عنوان: “تقدير قابل للتطوير لشبكات ماركوف اللامعلمية ببيانات ذات أنواع مختلطة.”

يشير زانغ إلى أنه، ومن أجل إنشاء أنظمة توليدية دقيقة وقوية بما يكفي للتعامل مع مجموعات بيانات كبيرة ومعقدة وغير متجانسة، لا بد للباحثين في المقام الأول من الإلمام بالعلاقات السببية بين كل جزء مميز من المعلومات. في المرحلة الثانية، يجب عليهم توسيع نطاق النظام للتعامل مع ملايين العوامل التي يتم قياسها بطريقة موثوقة ودقيقة.

في هذا السياق، يقول زانغ: “إذا افترضنا، كما يفعل العديد من الباحثين، أن هناك علاقات خطية بين المتغيرات، فقد يؤدي ذلك إلى تحريف جميع النتائج حول المشكلات الحقيقية”. من ناحية أخرى، إذا استخدمنا نماذج مرنة، فإن كفاءة عملية التعلّم ستتراجع. لهذا السبب غالباً ما نعتبر أنه لا يمكن توسيع إطار التحليل السببي. لذا، فإننا نعتبر أننا، ومن خلال هذا البحث، نساهم بشكل كبير في السماح بتوسيع نطاق التحليل السببي، وبالتالي تحليل ملايين العلاقات المعقدة “.

إلى جانب ذلك، حصل يوانزي لي، الأستاذ المساعد بقسم تعلم الآلة في جامعة محمد بن زايد للذكاء الاصطناعي، على جائزة الورقة البحثية المشرفة من المؤتمر الدولي حول تمثيلات التعلم للعام 2023، والتي قدّمها تحت عنوان “نحو فهم تجميع النماذج، وتقطير المعرفة، والتقطير الذاتي في التعلّم العميق.”

في الورقة البحثية، يحاول لي والمؤلف المشارك فهم التقطير من منظور جديد. إذ يساعد التقطير علماء الحاسوب على تعزيز الدقة والكفاءة في التدريب. ويرى الباحثان أنه “في ظل بنية طبيعية متعددة الرؤي، يمكن تدريب الشبكة العصبية للاعتماد على جزء من الميزات فقط، من دون التقطير، ولكن مع التقطير، من الممكن التخفيف من هذه المشكلة.”

اعتبرت لجنة جوائز المؤتمر أن هذا “التفسير النظري مثير للاهتمام إلى حد كبير، ويؤدي إلى فهم أفضل لفعالية التقطير”، وذلك وفقاً لموقع المؤتمر الإلكتروني.