قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التعلم النشط متعدد المعلقين
نموذج تعلم الآلة حيث يتعاون عدة معلقين لتوسيم البيانات الأكثر إفادة التي يختارها خوارزمية نشطة. تحسن هذه المنهجة استخدام الموارد البشرية من خلال الاستفادة من الخبرات التكميلية والتكاليف المتغيرة للمعلقين.
استراتيجية أخذ العينات التعاونية
طريقة اختيار العينات التي تنسق بين تفضيلات وخبرات عدة معلقين لتعظيم الجودة الشاملة للتسميات. وهي توازن بين عدم اليقين في النموذج والتوزيع الأمثل للمهام وفقًا لمهارات كل معلق.
نموذج خبرة المعلق
إطار احتمالي أو حتمي يكمّل الكفاءة والموثوقية والتحيزات المحددة لكل معلق على فئات أو أنواع بيانات مختلفة. يوجه هذا النموذج تخصيص العينات بناءً على نقاط القوة الفردية لكل مساهم.
التخصيص الديناميكي للعينات
عملية تكيفية تخصص العينات غير الموسومة لأكثر المعلقين ملاءمة في الوقت الفعلي، بناءً على خبرتهم الحالية وتوفرهم. يُحسن هذا التخصيص الموازنة بين جودة التوسيم والميزانية الزمنية أو المالية.
مصفوفة الثقة بين المعلقين
هيكل بيانات يقيس الاتساق والموثوقية النسبية بين تعليقات المساهمين المختلفين على عينات مماثلة. تتيح اكتشاف التناقضات المنهجية وتعديل أوزان الثقة للتجميع النهائي للتسميات.
التكلفة التكيفية للتعليق
نموذج تكلفة متغيرة يضبط التعويض أو الوقت المخصص لكل تعليق حسب صعوبة العينة والخبرة المطلوبة. تحسن هذه المنهجة تخصيص الميزانية من خلال تفضيل المهام الأكثر ربحية من حيث مكسب المعلومات.
تنوع التعليقات
معيار اختيار يضمن توزيعًا متنوعًا للعينات بين المعلقين لتجنب التخصص المفرط وتعظيم تغطية فضاء الميزات. تحافظ على التوازن بين استغلال الخبرات واستكشاف آفاق جديدة.
تجميع التسميات متعدد المصادر
تقنية دمج تجمع تسميات عدة معلقين في تنبؤ توافقي واحد، باستخدام طرق مثل التصويت الموزون، ونماذج داود-سكين، أو الاستدلال البيزي. يصحح هذا التجميع الأخطاء الفردية وينتج تسميات أكثر موثوقية.
الاختيار الموزون حسب عدم اليقين
استراتيجية تقيم عدم اليقين في النموذج مع ترجيح هذا المقياس بالتكلفة والخبرة اللازمتين لحل كل عينة. وهي تفضل الحالات التي تقدم أفضل نسبة معلومة/فائدة وفقاً لقدرات المعلقين المتاحين.
الاستعلام عبر لجنة متعددة المعلقين
توسيع لطريقة الاستعلام عبر اللجنة (Query-by-Committee) حيث يتم تدريب عدة نماذج على مجموعات فرعية مختلفة من التعليقات لتحديد العينات ذات أكبر قدر من الاختلاف التنبؤي. يثري هذا النهج تنوع وجهات نظر المعلقين في اللجنة.
معايرة المعلقين
عملية تعديل منهجية لتوقعات المعلقين لتصحيح التحيزات الفردية ومواءمة مستويات الثقة بين المساهمين المختلفين. تضمن المعايرة أن درجات الموثوقية قابلة للمقارنة وصالحة للاستخدام للتخصيص الديناميكي.
تقييم جودة التعليق
إطار متري مستمر يقيس الدقة والاتساق والقيمة المعلوماتية للتعليقات المقدمة من كل مساهم. تغذي هذه المقاييس نماذج الخبرة وتوجه قرارات التخصيص المستقبلية.
التوجيه الذكي للعينات
نظام قرار آلي يقوم بتوجيه كل عينة غير مصنفة إلى المعلق أو مجموعة المعلقين المثلى بناءً على تنبؤات الأداء وقيود الموارد. يزيد هذا التوجيه من كفاءة عملية التعليق التعاونية.
التعلم شبه الخاضع للإشراف متعدد الخبراء
نهج هجين يجمع بين التعلم النشط متعدد المعلقين وتقنيات التعلم شبه الخاضع للإشراف لاستغلال الكميات الكبيرة من البيانات غير المصنفة. تستخدم التعليقات عالية الجودة كبذور لنشر التصنيفات عبر مجموعة البيانات.
نموذج موثوقية المعلق
تمثيل رياضي لاحتمالية قيام المعلق بإنتاج تعليق صحيح، وغالباً ما يتم نمذجته كتوزيع شرطي يعتمد على نوع العينة. يتطور هذا النموذج ديناميكياً مع تراكم التعليقات التاريخية.
استراتيجية الاستكشاف والاستغلال
إطار قرار يوازن بين تعيين العينات المألوفة للمعلقين الخبراء (الاستغلال) واكتشاف القدرات على أنواع جديدة من البيانات (الاستكشاف). تتجنب هذه الاستراتيجية التخصص المفرط مع تعظيم الجودة على المدى القصير.
دمج آراء الخبراء
طريقة تجميع متطورة تدمج أحكام عدة منسقين مع مراعاة الارتباط بينهم، وخبرتهم في المجال، وسجل أدائهم. وتستخدم غالباً التقنيات البايزية أو مخططات المعتقد لتحقيق دمج مثالي.