3240 ورقة بحثية
تُظهر هذه الورقة أن تحسين وكلاء التعلم المعزز للمهام المتعلقة بالعواطف يؤدي بشكل طبيعي إلى ظهور إشارات مكافأة داخلية تتوافق مع الخصائص الجوهرية للعواطف البيولوجية، مما يدعم المبدأ القائل بأن العواطف تطورت لتغيير الأفعال في سبيل تحقيق أهداف غير ملموسة.
تقوم هذه الدراسة بقياس أداء أربعة نماذج تعلم آلي تقليدية مقابل أربعة نماذج قائمة على تقنية المحولات (Transformer) عبر خمس مجموعات بيانات عامة، مما يثبت أنه في حين تتفوق بنى المحولات مثل RoBERTa بشكل كبير على الطرق التقليدية في دقة كشف الأخبار الزائفة، إلا أنها تتسبب في تكاليف حوسبة أعلى بكثير، مما يقدم رؤى نقدية حول المقايضة بين النماذج عند الاختيار في ظل قيود الموارد المتفاوتة.
تُعرّف هذه الورقة البحثية رسميًا لعبة الورق النيبالية "دال جيت" (Dahal Jeet) التي لم تكن موثقة سابقًا، وتقدم معيارًا حوسبيًا شاملاً يوضح تفوق الوكلاء القائمين على البحث على أساليب التعلم، بينما تكشف أن طول أوراق "الترومب" (الورقة الرابحة) يعد مؤشرًا أقوى للنصر من أوراق النقاط، وأن التحكم في تباين التوزيع أمر ضروري للقياس الدقيق للفروق في الأداء بين البشر والوكلاء.
تُظهر هذه الدراسة أنه بالنسبة لكواشف المشاة المجمدة تحت تأثير ضوضاء غاوسية والاستحواذ بصيغة JPEG، فإن اختيار أجهزة إزالة الضجيج بناءً على مطابقة نموذج التدهور يعد أمراً حاسماً لاستعادة الكشف، في حين أن الاعتماد على مقاييس دقة الاستعادة التقليدية مثل PSNR أو SSIM يمكن أن يؤدي إلى خيارات دون المستوى الأمثل.
تُعد منصة AlamX منصة ذكاء سريري محلية بالكامل وتحافظ على الخصوصية، تجمع بين نظام فرز للأعراض والمؤشرات الحيوية قائم على الغابات العشوائية (Random Forest) ونموذج لغوي كبير للمجال الحيوي الطبي يتم تنفيذه محلياً لتوفير تنبؤات دقيقة للأمراض ومدركة لدرجة عدم اليقين، بالإضافة إلى توجيه صحي حواري دون نقل بيانات المستخدم الحساسة إلى خوادم بعيدة.
وجدت دراسة سيناريو داخلية المجموعات أجريت على بالغين من الولايات المتحدة أن المستخدمين يدركون بنى البيانات المتكاملة والمتزامنة زمنياً لأنظمة الصحة النفسية الرقمية القائمة على الذكاء الاصطناعي بشكل أكثر إيجابية من الأطر التقليدية المنعزلة عبر جودة النظام، وجودة المعلومات، والفوائد الصافية، رغم أن هذه المزايا الإدراكية المتواضعة تستوجب مزيداً من التحقق من خلال اختبار النماذج الأولية الوظيفية.
تقترح هذه الورقة إطار عمل جديد للتعلم الاتحادي الرأسي غير المتزامن مدمج مع تقنية البلوكشين للتغلب على قيود التدريب المتزامن والتنسيق المركزي، مما يعزز الكفاءة والأمن ومشاركة المشاركين من خلال الإجماع اللامركزي، وتقييم النموذج الشفاف، وآليات التحفيز القائمة على العقود الذكية.
تقدم هذه الورقة شبكات المنطق ثنائي القطب (BLN)، وهي نموذج تعلم آلي قائم على القواعد يحقق دقة تنافسية مع الأساليب التفسيرية الحديثة، بينما يوفر بشكل فريد منطقاً بولياً قابلاً للتحقق والاستجواب واحتمالات معايرة ضرورية لتدقيق القرارات عالية المخاطر.
تقترح هذه الورقة بنية حوسبة حتمية عديمة الحالة، تدمج نظرية الرنين الطوبولوجي الخوارزمي، ووحدة معالجة افتراضية بسعة مليون كيوبت، والمنطق الديناميكي الحراري العكوس، للتغلب على جدار الذاكرة، وحدود شانون، وحاجز لانداور الديناميكي الحراري، مع ضمان أمن الأجهزة والديمومة الرقمية طويلة الأمد.
تُظهر هذه الدراسة أنه في حين يمكن لنماذج تعلم الآلة تحقيق أداء عالٍ في اكتشاف الخرف على مجموعة بيانات OASIS-2 عند تقييمها بصرامة باستخدام التحقق المتقاطع على مستوى المشاركين لمنع تسرب البيانات، فإن اعتمادها الظاهري على سمات التصوير بالرنين المغناطيسي غير متسق وغالباً ما يطغى عليه اختبار الحالة العقلية المصغر (MMSE)، مما يسلط الضوء على الحاجة الماسة إلى التحقق المستقل لضمان القابلية للتفسير السريري والقدرة على التعميم.