پژوهشگران دانشکدگان علوم دانشگاه تهران، با تمرکز بر معماری نوین «میکسر ماتریسی»، روشی کشف کردهاند که میتواند مهمترین مشکل مدلهای پیشرفته هوش مصنوعی در تحلیل دادههای سری زمانی (مثل نوسانات بازار یا سیگنالهای پزشکی) را حل کند و راه را برای ساخت مدلهای جهانی هموار سازد.
🧩 رمزگشایی از دادهها؛ کلید موفقیت AI در «توکنسازی» نهفته است!
بزرگترین چالش تحلیل دادههای متوالی، تنوع بینظیر آنها بود. این تحقیق تأکید میکند که صرف داشتن یک معماری قوی (مثل ترنسفورمرها) کافی نیست؛ «توکنسازی» (یا همان قطعهبندی هوشمندانه داده) مرحلهای حیاتی است که تعیین میکند مدل، دادهها را درست "ترجمه" کند یا نه. تیم تحقیقاتی با بهینهسازی دقیق این مرحله، توانستهاند بر نویز و پیچیدگی دادهها غلبه کنند.
نتایج عملی این پژوهش فوقالعاده است: مدل توانسته به دقت متوسط "۸۶ درصد" در حالت "خودنظارتی" دست یابد. این یعنی مدل، مفاهیم پنهان دادهها را بدون نیاز به حجم عظیمی از دادههای برچسبدار و پرهزینه آموخته است. این موفقیت، افقهای جدیدی را برای کاربردهای گسترده هوش مصنوعی در تحلیل دادههای زیستی و صنعتی باز میکند.
برای کشف جزئیات «میکسر ماتریسی» و تأثیر آن بر پیشبینیهای مالی، متن خبر را دنبال کنید!
#هوش_مصنوعی#مرکز_نوآوری_و_توسعه_هوش_مصنوعی#پژوهشگاه_ارتباطات_و_فناوری_اطلاعات#دانشگاه_تهران#فهم_داده
۹:۴۷