لتقليل خطر النسيان الكارثي (Catastrophic Forgetting) عند تطبيق الضبط الدقيق (Fine-Tuning) يمكن اتباع عدة استراتيجيات، منها:
• تجميد بعض الطبقات (Layer Freezing): الإبقاء على الطبقات الأولى للنموذج مجمّدة لأنها تحفظ الخصائص العامة، وتحديث الطبقات العليا فقط.
• التدريب الجزئي التدريجي (Gradual Unfreezing): فتح الطبقات وتحديثها بشكل تدريجي بدلاً من تحديثها جميعًا دفعة واحدة.
• استخدام معدل تعلم منخفض (Low Learning Rate): لتجنب تغييرات كبيرة في الأوزان المكتسبة مسبقًا.
• تقنيات التنظيم Regularization مثل Elastic Weight Consolidation (EWC) التي تقلل من تغيير الأوزان المهمة للمهام السابقة.
• التعلم متعدد المهام (Multi-task Learning): تدريب النموذج على المهام الجديدة مع بعض العينات من المهام القديمة للحفاظ على التوازن.
ا.م.د. علاء طعيمة عبد الكاظم
أستاذ مساعد دكتور في الذكاء الاصطناعي والتعلم العميق