لين يقدّم رؤًى مهمة في مؤتمر “مجموعة الاهتمامات الخاصة حول استرجاع المعلومات” لعام 2023

ألقى الأستاذ المنتسب في قسم تعلّم الآلة في جامعة محمد بن زايد للذكاء الاصطناعي سي جين لين إحدى الكلمات الرئيسية في المؤتمر الدولي الأخير السادس والأربعين الذي عقدته “مجموعة استرجاع المعلومات التابعة لرابطة مكائن الحوسبة” في مدينة تايبيه التايوانية حول البحث والتطوير في استرجاع المعلومات.

لين هو أيضًا أستاذ متميز في قسم علم الحاسوب في جامعة تايوان الوطنية، وقد انضم إلى مجموعة مختارة من المتحدثين الرئيسيين الذين شملوا كلًا من عالِم الأبحاث المتميز في شركة ديب مايند التابعة لغوغل مارك ناجورك، والأستاذة المشاركة في جامعة إلينوي في إربانا-شامبين رانجيثا كومار، والمدير العام ونائب مدير المختبر في شركة أبحاث مايكروسوفت راين و. وايت.

حمل خطاب لين العنوان الآتي: 'حول ’الاستخدام غير الدقيق‘ لتقنيات تعلّم الآلة'، فركّز على الحالات التي استُخدمت فيها تقنيات تعلّم الآلة بشكلٍ غير مناسب. وأكد لين أن هذه التحديات مألوفة، ولا مفر منها أحيانًا.

تَجاوُز تعقيدات تعلّم الآلة

عند تقديم مفهوم “الاستخدام غير الدقيق” لهذه التقنيات، استخدم لين قصتين من واقع الحياة. فأولًا، استكشف هذا الباحث ميدان التعلّم القائم على التمثيل الشبكي، حيث غالبًا ما يتضمن تقييم التمثيلات التي تم الحصول عليها مشكلةً حول تصنيف العُقَد بوجود تسميات متعددة. إلا أن لين كشف عن افتراض شائع غير واقعي: فيفترض عدة باحثين أنهم يعرفون عدد التسميات لكل حالة اختبار عند التنبؤ. وسلّط الضوء على ندرة تَوافُر مثل هذه المعلومات القائمة على الحقائق الأساسية في الحالات العملية.

ثانيًا، غاص لين في ميدان الشبكات العصبية العميقة وكيفية تدريبها. فكشف عن حالة شائعة تدلّ على سوء الفهم، حيث يجمع المستخدِمون بشكل غير صحيح بين التدريب والتحقق ومجموعات الاختبار في بعض السيناريوهات. ومن خلال مشاركة القصص الحقيقية، سلّط الضوء على الالتباس السائد بشأن العلاقة بين هذه المجموعات والمآزق المحتملة التي يمكن أن تنشأ.

قال لين: “مع أن الاستخدام غير الدقيق لأساليب تعلّم الآلة هو أمر شائع ولا يمكن تجنبه في بعض الأحيان، يجب أن يعمل المجتمع معًا لتغيير الثقافة وتحسين الاستخدام العملي”.

اختُتم عرض لين بالدعوة إلى بذل الجهود. فقال إنه في ظل المشهد المعقد الذي يطغى على تعلّم الآلة، يُعَدّ تحقيق الكمال أمرًا صعب المنال، ولا مفر من الزلات أحيانًا. واعتبر أن المفتاح لتحسين الوضع يكمن في تطوير برمجيات عالية الجودة وسهلة الاستخدام. فافترض أن مثل هذه البرمجيات ستعزز بشكلٍ كبيرٍ التطبيق العملي لتقنيات تعلم الآلة، وستُقلل من حالات إساءة الاستخدام.