هوش مصنوعی مولد چندوجهی: از معماری‌های تولید تا چارچوب‌های ارزیابی چندجنبه‌ای

هوش مصنوعی مولد چندوجهی: از معماری‌های تولید تا چارچوب‌های ارزیابی چندجنبه‌ای

مونا مجید صباح1 سارا خزلی2 عبدالله چاله چاله3

1) دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه رازی، کرمانشاه، ایران
2) دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه رازی، کرمانشاه، ایران
3) دانشیار، گروه مهندسی کامپیوتر، دانشگاه رازی، کرمانشاه، ایران

کد IOI مقاله : AAHD-ABKDDE
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    پیشرفت‌های اخیر در هوش مصنوعی مولد چندوجهی، تولید و ارزیابی محتوای چندرسانه‌ای را در حوزه‌های متن، تصویر، ویدئو، صوت و مدل‌های سه‌بعدی متحول ساخته است. این مقاله به ارائه‌ی تحلیلی موجز و دانشگاهی از معماری‌های محوری پشتیبان این تحول می‌پردازد؛ از جمله شبکه‌های تخاصمی مولد (GAN)، مدل‌های انتشار، ترانسفورمرهای خودرگرسیون و مدل‌های زبانی بزرگ چندوجهی (MLLM)، با تمرکز بر کاربردهای آن‌ها در آموزش شخصی‌سازی‌شده و حوزه‌ی سلامت دیجیتال. ما محدودیت‌های معیارهای استاندارد فاصله‌ی آماری (FID، FVD) و معیارهای هم‌ترازی معنایی (CLIPScore) را در شناسایی ناهنجاری‌های بصری موضعی، تناقضات واقعی و کاربردپذیری در حوزه‌ی هدف تحلیل می‌کنیم. برای پر کردن این شکاف، چارچوب انتخاب مبتنی بر موضع را پیشنهاد می‌دهیم که مدل‌های داور چندوجهی را با ممیزی کیفی خطاها تلفیق می‌کند و ماتریس حاکمیت عملیاتی مبتنی بر نمرات ریسک بالینی و هم‌ترازی اخلاقی را معرفی می‌نماییم. یافته‌های ما تأکید می‌کند که مهار گسترش زباله‌ی مولد و سخن بی‌پروا نیازمند گذار از معیارهای صرفاً کمی به چارچوب‌های ارزیابی چندبعدی با حضور انسان در چرخه است که شفافیت، ایمنی و انطباق با الزامات نظارتی را تضمین می‌کنند.

کلمات کلیدی : هوش مصنوعی مولد چندوجهی مدل‌های زبانی بزرگ چندوجهی (mllms) ترانسفورمرهای انتشار (dit) عامل‌های هوشمند یادگیری چندرسانه‌ای ارزیابی الگوریتمی