ترجمه فارسی مقاله مشکل هم‌ترازی بدون اتصال به زمین

چکیده

Modern machine learning systems have demonstrated substantial abilities with methods that either embrace or ignore human-provided knowledge, but combining benefits of both styles remains a challenge. One particular challenge involves designing learning systems that exhibit built-in responses to specific abstract stimulus patterns, yet are still plastic enough to be agnostic about the modality and exact form of their inputs. In this paper, we investigate what we call The Ungrounded Alignment Problem, which asks How can we build in predefined knowledge in a system where we don’t know how a given stimulus will be grounded? This paper examines a simplified version of the general problem, where an unsupervised learner is presented with a sequence of images for the characters in a text corpus, and this learner is later evaluated on its ability to recognize specific (possibly rare) sequential patterns. Importantly, the learner is given no labels during learning or evaluation, but must map images from an unknown font or permutation to its correct class label. That is, at no point is our learner given labeled images, where an image vector is explicitly associated with a class label. Despite ample work in unsupervised and self-supervised loss functions, all current methods require a labeled fine-tuning phase to map the learned representations to correct classes. Finding this mapping in the absence of labels may seem a fool’s errand, but our main result resolves this seeming paradox. We show that leveraging only letter bigram frequencies is sufficient for an unsupervised learner both to reliably associate images to class labels and to reliably identify trigger words in the sequence of inputs. More generally, this method suggests an approach for encoding specific desired innate behaviour in modality-agnostic models.

چکیده به فارسی (ترجمه ماشینی)

سیستم های یادگیری ماشین مدرن توانایی های قابل توجهی را با روشهایی نشان داده اند که یا دانش ارائه شده توسط انسان را در آغوش می گیرند یا نادیده می گیرند ، اما ترکیب مزایای هر دو سبک همچنان یک چالش است.یک چالش خاص شامل طراحی سیستم های یادگیری است که پاسخ های داخلی را به الگوهای خاص محرک انتزاعی نشان می دهند ، اما هنوز هم به اندازه کافی پلاستیکی هستند که در مورد روش و شکل دقیق ورودی های آنها آگنوستیک باشند.در این مقاله ، ما آنچه را که ما آن را مشکل تراز بی اساس می نامیم ، بررسی می کنیم ، که می پرسد چگونه می توانیم در سیستم در سیستمی که نمی دانیم چگونه یک محرک خاص پایه گذاری می شود ، در دانش از پیش تعریف شده بسازیم؟در این مقاله به بررسی یک نسخه ساده از مسئله کلی ، که در آن یک یادگیرنده بدون نظارت با دنباله ای از تصاویر برای شخصیت های موجود در یک متن متن ارائه می شود ، و این یادگیرنده بعداً بر اساس توانایی آن در تشخیص الگوهای خاص (احتمالاً نادر) ارزیابی می شود.نکته مهم این است که به یادگیرنده در هنگام یادگیری یا ارزیابی هیچ برچسب داده نمی شود ، اما باید تصاویر را از یک قلم ناشناخته یا جابجایی به برچسب کلاس صحیح خود نقشه برداری کند.این بدان معناست که به هیچ وجه به یادگیرنده ما تصاویر دارای برچسب داده نمی شود ، جایی که یک بردار تصویر به صراحت با یک برچسب کلاس همراه است.علیرغم کار کافی در توابع از دست دادن بدون نظارت و خودآنوشت ، تمام روشهای فعلی نیاز به یک مرحله تنظیم دقیق با برچسب دارند تا نمایش های آموخته شده را برای اصلاح کلاس ها ترسیم کنند.پیدا کردن این نقشه برداری در غیاب برچسب ها ممکن است یک اتفاق احمقانه به نظر برسد ، اما نتیجه اصلی ما این پارادوکس به نظر می رسد.ما نشان می دهیم که فقط با استفاده از فرکانس های Bigram Letter فقط برای یک یادگیرنده بدون نظارت هر دو برای ارتباط قابل اعتماد تصاویر به برچسب های کلاس و شناسایی قابل اعتماد کلمات محرک در دنباله ورودی ها کافی است.به طور کلی ، این روش رویکردی را برای رمزگذاری رفتار ذاتی خاص مورد نظر در مدلهای modality-agnostic نشان می دهد.