استخدام ذكاء الأسراب لتحسين أداء الشبكات الخصومية التوالدية

الملخص

تعدّ شبكات الخصومة التوالدية (GAN) واحدة من أبرز التقنيات الحديثة في مجال التعلم العميق والذكاء الاصطناعي، وتعتبر مكون أساسي في بنية أنظمة التطبيقات الحوارية Chat-gpt. تهدف هذه الشبكات إلى توليد نماذج جديدة

ومبتكرة مثل الصور والصوت والنصوص وغيره بناءً على بيانات تدريب متاحة.

تواجه شبكات الخصومة التوالدية تحديات عديدة تعيق العمل ومن أبرز هذه التحديات هي الدقة المرتبطة بحجم الفضاء الضخم للحلول الممكنة، مما يجعل عملية البحث عن الحل الأمثل تستغرق وقتًا طويلًا بالإضافة إلى الدقة المرتبطة بتوليد حلول ونماذج مطابقة للهدف المرغوب في التطبيقات الحوارية.

 في بحثنا هذا قدمنا نموذجاً مقترحاً يستخدم خوارزميات ذكاء الأسراب لتعزيز أداء الشبكات الخصومية التوالدية في التطبيقات الحوارية من خلال تقليل فضاء الحلول الممكنة للوصول إلى حل أمثل أكثر مطابقة للهدف المرغوب وتقليل الوقت المستغرق. قدم هذا النموذج المقترح تحسيناً في دقة الإجابات الناتجة بنسبة 33% مقارنة باستخدام الشبكات الخصومية التوالدية دون استخدام ذكاء الأسراب.