Eksplorimi i Arsyetimit me Flow Matching mbi Benchmark-un ARC-AGI
Ma Kai, një student i talentuar i masterit nga Sorbonne Université, Francë, i është bashkuar Universitetit Metropolitan Tirana, si praktikant kërkimor për një periudhë prej pesë muajsh. Gjatë kësaj praktike, Ma Kai do të punojë ngushtë me ekipin kërkimor të UMT-së, duke sjellë ekspertizën dhe perspektivën e tij të re për të avancuar përpjekjet kërkimore në fushën e arsyetimit dhe Inteligjencës Artificiale të Përgjithshme (AGI).
Bashkëpunimi i tij me studiuesit e UMT-së jo vetëm që forcon thellësinë akademike të projektit, por gjithashtu nxit një shkëmbim dinamik idesh, duke pasuruar temën e kërkimit përmes qasjeve inovative dhe analizave të kujdesshme. Ky partneritet dëshmon përkushtimin e UMT-së për të nxitur bashkëpunimin ndërkombëtar dhe për të kultivuar rezultate kërkimore me ndikim.
Konteksti dhe Sfondi
Në vitin 2019, François Chollet, krijuesi i Keras — biblioteka open-source për deep learning, e përdorur gjerësisht në mbarë botën — prezantoi punimin e tij të rëndësishëm On the Measure of Intelligence. Në këtë punim ai propozoi Abstract and Reasoning Corpus for Artificial General Intelligence (ARC-AGI) — një set të dhënash të krijuar për të vlerësuar aftësinë e një sistemi për të përgjithësuar dhe mësuar në mënyrë efikase mbi detyra të panjohura më parë.
Sipas Chollet, inteligjenca matet përmes efikasitetit të fitimit të aftësive: sa më shpejt dhe më mirë që një sistem mëson të zgjidhë probleme të reja, aq më inteligjent konsiderohet.
Benchmark-u ARC-AGI sfidon sistemet e inteligjencës artificiale të tregojnë më shumë se thjesht njohjen e modeleve. Ai kërkon prej tyre të arsyetojnë, të përgjithësojnë njohuritë në skenarë të rinj dhe të kombinojnë aftësitë e mësuara në mënyra inovative — cilësi këto që përbëjnë thelbin e inteligjencës së vërtetë.
Së fundmi, algoritmet flow matching — të cilat kanë treguar rezultate mbresëlënëse në fusha si gjenerimi i imazheve dhe videove — kanë dalë si një kornizë premtuese për të adresuar këto sfida të arsyetimit, falë përshtatshmërisë dhe aftësive të tyre kompozicionale.
Qëllimi i Praktikës
Gjatë praktikës së tij në UMT, Ma Kai synon të:
- Eksplorojë strategji arsyetimi të bazuara në metodat flow matching.
- Zbatojë këto strategji mbi benchmark-un ARC-AGI për të vlerësuar efektivitetin e tyre.
- Hulumtojë sesi flow matching mund t’i ndihmojë modelet të kryejnë arsyetim të strukturuar dhe të përballojnë detyra të ndryshme zgjidhjeje në një mënyrë më kompozicionale dhe të përshtatshme.
