ترجمه فارسی مقاله یادگیری مشارکتی بزرگ

چکیده

Cooperation plays a pivotal role in the evolution of human intelligence; moreover, it also underlies the recent revolutionary advancement of artificial intelligence (AI) that is driven by foundation models. Specifically, we reveal that the training of foundation models can be interpreted as a form of big cooperative learning (textit{abbr.} big learning), where massive learning individuals/tasks emph{cooperate} to approach the unique essence of data from diverse perspectives of data prediction, leveraging a universal model. The presented big learning therefore unifies most training objectives of foundation models within a consistent framework, where their underlying assumptions are exposed simultaneously. We design tailored simulations to demonstrate the principle of big learning, based on which we provide learning-perspective justifications for the successes of foundation models, with interesting side-products. Furthermore, we reveal that big learning is a new dimension for upgrading conventional machine learning paradigms, valuable for endowing reinvigorations to associated applications; as an illustrative example, we propose the BigLearn-GAN, which is a novel adversarially-trained foundation model with versatile data sampling capabilities. Code is available at texttt{https://github.com/YulaiCong/BigCooperativeLearning}.

چکیده به فارسی (ترجمه ماشینی)

همکاری نقش مهمی در تکامل هوش انسانی دارد.علاوه بر این ، این همچنین زمینه ساز پیشرفت انقلابی اخیر هوش مصنوعی (AI) است که توسط مدل های بنیادی هدایت می شود.به طور خاص ، ما فاش می کنیم که آموزش مدلهای بنیاد را می توان به عنوان نوعی یادگیری تعاونی بزرگ ( textit {abbr.} یادگیری بزرگ) تفسیر کرد ، جایی که افراد/وظایف یادگیری گسترده تأکید {همکاری} برای نزدیک شدن به ذات منحصر به فرد داده هاچشم اندازهای متنوع پیش بینی داده ها ، استفاده از یک مدل جهانی.بنابراین یادگیری بزرگ ارائه شده بیشتر اهداف آموزشی مدل های بنیاد را در یک چارچوب سازگار متحد می کند ، جایی که فرضیات اساسی آنها به طور همزمان در معرض دید قرار می گیرد.ما شبیه سازی های متناسب را طراحی می کنیم تا اصل یادگیری بزرگ را نشان دهیم ، که بر اساس آن توجیهات یادگیری-برای موفقیت های مدلهای بنیاد ، با محصولات جانبی جالب ارائه می دهیم.علاوه بر این ، ما فاش می کنیم که یادگیری بزرگ ابعاد جدیدی برای به روزرسانی پارادایم های یادگیری ماشین معمولی است ، که برای وقوع مجدد مجدد به برنامه های مرتبط با ارزش ارزشمند است.به عنوان یک نمونه مصور ، ما BigLearn-Gan را پیشنهاد می کنیم ، که یک مدل بنیادی با آموزش متناقض با قابلیت نمونه برداری از داده های همه کاره است.کد در texttt {https://github.com/yulaicong/bigcooperativelearning در دسترس است.