النسيان الكارثي (Catastrophic Forgetting) هو مصطلح ظهر في مقالات قرمصيص ويستحق شرحاً مستقلاً. فقدان النموذج جزءاً من مهاراته القديمة عند تدريبه لاحقاً على بيانات أو مهمة جديدة. فهمه يساعدك على قراءة الشروحات ونتائج التجارب من غير خلط بين الاسم ووظيفته الفعلية.
باختصار
فقدان النموذج جزءاً من مهاراته القديمة عند تدريبه لاحقاً على بيانات أو مهمة جديدة.
بالتفصيل
تغير التحديثات الأوزان لخدمة المهمة الجديدة وقد تمحو تمثيلات كانت مهمة للمهمة السابقة. تظهر المشكلة في التعلم المستمر والضبط المتتابع، وتُخفف أحياناً بإعادة تشغيل أمثلة قديمة أو تقييد التحديث أو فصل التكييفات.
الفكرة العملية هي النظر إلى مكان المصطلح داخل خط العمل: ما البيانات التي تدخل إليه، وما النتيجة التي ينتجها، وما التكلفة أو الافتراض الذي يضيفه. المقارنة العادلة تحتاج تجربة على بيانات منفصلة ومقياس مناسب، لا الاعتماد على الاسم أو الشهرة وحدهما.
مثال عملي
نموذج يجيد العربية قد يتراجع فيها بعد ضبط مكثف على بيانات برمجية إن لم تُقاس المهارات القديمة أثناء التدريب.
خلي بالك: أي تراجع ليس نسياناً كارثياً تلقائياً؛ يجب المقارنة على اختبارات ثابتة قبل التدريب وبعده.
مصطلحات مرتبطة
Continual Learning، Fine-tuning، Transfer Learning. قراءة هذه المصطلحات معاً توضح العلاقة بين البيانات والتدريب والتقييم والتشغيل.
المصادر: Google ML Glossary
