🧬🤖 وقتی مدل‌های هوش مصنوعی «تکامل» پیدا می‌کنند!

پژوهشگران Sakana AI روشی به نام M2N2 ارائه کرده‌اند که از ایده‌های تکامل طبیعی برای Model Merging استفاده می‌کند.

به‌جای آموزش معمول با Gradient Descent، جمعیتی از شبکه‌ها ایجاد می‌شود؛ مدل‌های مناسب با یکدیگر ترکیب می‌شوند و «نسل‌های» جدیدی می‌سازند. سپس بر اساس Fitness، نمونه‌های بهتر برای ادامه فرایند انتخاب می‌شوند.

🧠 نکته جالب مقاله این است که پژوهشگران نشان داده‌اند حتی می‌توان شبکه‌های تصادفی را بدون Gradient Descent و صرفاً از طریق تکامل و ادغام پارامترها به مدل‌های عملکردی تبدیل کرد. البته این به معنی «تولیدمثل خودمختار AI» نیست؛ یک الگوریتم تکاملی کنترل‌شده است.

🔬 هدف اصلی M2N2 نیز پیدا کردن روش‌های بهتر برای ترکیب قابلیت‌های چند مدل تخصصی در یک مدل واحد است.

https://arxiv.org/pdf/2508.16204

@rss_ai_ir

#SakanaAI #ModelMerging #EvolutionaryAI #NeuralNetworks #MachineLearning #DeepLearning #هوش_مصنوعی