تعلم التباين والمتانة خارج التوزيع

يضطلع التعميم من البيئات المرصودة إلى البيئات المرتبطة الجديدة بدور محوري في موثوقية المصنِّفات. غير أن معظم المصنِّفات لا تستطيع التنبؤ باسم معيّن انطلاقاً من مدخل معيّن عندما ينتج التغير في البيئة عن تحول (عشوائي) معيّن في المدخلات لم يتم رصده في التدريب. أسعى في هذه الجلسة إلى الإظهار أن النموذج الحالي للتعلم الموجّه، والذي يحاول العثور على الثبات في البيانات من أجل تعلم الوظائف الثابتة (مثلاً، تتمتع جميع صور الكلاب بتسمية “كلب”)، ليس متيناً خارج التوزيع. ومن ثم سأعرض مقدمة إلى تعلم التباين، وهو نموذج تعلم جديد يركز بدلاً من ذلك على العثور على أدلة على أوجه التباين في البيانات. ويقوم تعلم التباين بإجراء بحث عن البنية السببية التي تعثر على مصنِّفات تحقق أداءً جيداً بالقدر نفسه داخل التوزيع كما خارج التوزيع، وذلك في ظل ظروف محددة لقابلية التعرف. ويستلهم تعلم التباين من ميزة يتّسم بها الذكاء البشري (وتميّز الأطفال البشر عن القرود)، بحيث نفترض وجود التناظر (عدم التأثر بالتحولات) إلى أن نصادف بيانات تتضمن دليلاً على أن أوجه التباين ضرورية لإنجاز المهمة. وسأطرح أيضاً مفهوم الثبات المغاير والمهام خارج التوزيع والمتانة في الرسوم الشبكية.