در این مجموعه مقالات، ما خلاصهای را با برخی از نکات کلیدی از تعدادی از کارگاههایی که در سی و نهمین کنفرانس سالانه AAAI در مورد هوش مصنوعی (AAAI 2025) برگزار شد، منتشر میکنیم. در این مقاله خلاصه دوم، از برگزارکنندگان کارگاهها در مورد موارد زیر میشنویم:
- هوش مصنوعی متنباز برای استفاده همگانی
- FLUID: یادگیری فدرال برای تمرکززدایی نامحدود و هوشمند
هوش مصنوعی متنباز برای استفاده همگانی
توسط پیتر سانتانام
سازماندهنده اصلی: پیتر سانتانام
کمیته برنامه: الکساندرو سیوبا، جیمز هندلر، سردار کادیوغلو، ازکوئیل لانزا، گرگ لینداهل، سوجی مانیام، مانیش پاراشار، پوشکار سینگ، جاناتان استار، رافائل وین
اولین کارگاه با موضوع "هوش مصنوعی متنباز برای استفاده همگانی" در تاریخ ۴ مارس ۲۰۲۵ در مرکز همایشهای پنسیلوانیا در فیلادلفیا برگزار شد. هدف از این کارگاه گرد هم آوردن محققان و متخصصان در یک انجمن واحد برای بحث در مورد موضوعات در تقاطع هوش مصنوعی و متنباز و نمایش فناوری مربوطه بود.
- کارگاه با سخنرانی کیت سول (IBM Research) در مورد "گرانیت: مدلهای متنباز برای شرکتها" آغاز شد. او جزئیات پشت توسعه این مدلها، معیارهای ارزیابی در برابر مدلهای مختلف درون کلاسی و مناسب بودن آنها برای موارد استفاده در شرکتها را توضیح داد.
- جلسه "متنباز و سیاست" به بحثهای فنی مداوم پیرامون تعریف "باز بودن" مدلهای هوش مصنوعی و چارچوبهای مختلف در حال تحول برای تنظیم استقرار مدلهای هوش مصنوعی پرداخت.
- ما یک برنامه کاربردی هوش مصنوعی را برای پیشنهاد توصیههایی برای جلوگیری از حوادث ایمنی صنعتی و یک استاندارد در حال تحول برای یک پروتکل تعامل زبان طبیعی مورد بحث قرار دادیم.
- جلسه "مدلهای بنیادین خاص دامنه" شامل چهار ارائه/نمایش در تولید نیمهرسانا، فضایی جغرافیایی، مواد و شیمی و کشاورزی بود.
- جلسه "ابزارهای متنباز" موضوعاتی را پوشش داد که شامل تبدیل سند برای پشتیبانی از مدلسازی، سادهسازی خطوط لوله تولید تقویتشده بازیابی هوش مصنوعی (RAG) شرکتها، پیادهسازی همجوشی دیرهنگام رمزگشایی همجوشی مولد و یک عامل برای تسهیل تعامل زبان طبیعی با پایگاههای داده رابطهای بود.
- پنل "ایجاد یک اکوسیستم باز" [با ناتانیل باستیان (DoD)، شان هیوز (Service Now) و جان مکبروم (IBM)] به نگرانیهای عملی، فنی و حقوقی استقرار سیستمهای هوش مصنوعی متنباز و چالشهای ایجاد یک اکوسیستم باز از دیدگاه شرکتهای تجاری پرداخت.
به طور کلی، شرکتکنندگان از ماهیت بینرشتهای این کارگاه قدردانی کردند و مشتاقانه منتظر تکرار آن در سال آینده هستند.
FLUID: یادگیری فدرال برای تمرکززدایی نامحدود و هوشمند
توسط دانیلا آنونزیاتا و مارزیا کانزانیلو
سازماندهندگان: دیوید کاماچو، دیلتا کیارو، فرانچسکو پیچیالی، شادی البرقونی
روسا: دانیلا آنونزیاتا، مارزیا کانزانیلو
این اولین دوره کارگاه FLUID بر چالشها و فرصتهای نوظهور در یادگیری فدرال و تمرکززدایی هوشمند متمرکز بود و یک جامعه بینالمللی رو به رشد از محققانی را که در زمینههای بهینهسازی، حریم خصوصی، مقیاسپذیری و استقرار عملی سیستمهای یادگیری غیرمتمرکز کار میکنند، گرد هم آورد.
چالشهای استقرار واقعی در یادگیری فدرال در سخنرانی اصلی هولگر روث (NVIDIA) بررسی شد، که در مورد شکاف بین مدلهای نظری و کاربرد آنها در محیطهای واقعی بحث کرد. سخنرانی او بر پیچیدگیهای عملی مواجهه شده در استقرار سیستمهای حفظ حریم خصوصی در مقیاس تأکید کرد و بحث سازندهای را در بین شرکتکنندگان برانگیخت.
سخنرانی اصلی یانگ لیو (دانشگاه تسینگهوا) دیدگاههای جدیدی را در مورد آموزش مشارکتی در بین مدلهای ناهمگن معرفی کرد و تکنیکهای جدیدی را برای ادغام مدلهای بزرگ و کوچک در تنظیمات فدرال برجسته کرد. سخنرانی او بر اهمیت طراحی چارچوبهای یادگیری انعطافپذیر که میتوانند با قابلیتهای مختلف مشتری و توزیع دادهها سازگار شوند، تأکید کرد.
این کارگاه طیف گستردهای از موضوعات تحقیقاتی را به نمایش گذاشت، از ارتباطات کارآمد و معماریهای یادگیری تقسیم شده گرفته تا کاربردها در شهرهای هوشمند و تشخیص پزشکی. این تنوع موضوعی منعکسکننده تکامل سریع این زمینه و نقش حیاتی همکاری بینرشتهای در پرداختن به ابعاد فنی و اخلاقی یادگیری غیرمتمرکز است.
شما میتوانید این خلاصه را در قالب روزنامهای اینجا بخوانید.
شما میتوانید اولین مقاله در این مجموعه را در اینجا پیدا کنید: