Yapay zeka alanında önemli bir gelişme kaydedildi. Araştırmacılar, difüzyon modellerinin görsel üretim yeteneklerini farklı bir amaca yönlendirerek, çoklu görev öğreniminde yeni bir yaklaşım geliştirdi.
StableMTL olarak adlandırılan bu yöntem, geleneksel yaklaşımların karşılaştığı temel sorunu çözüyor. Normalde bir yapay zeka modelini birden fazla görevi yerine getirmesi için eğitmek, her görev için kapsamlı veri etiketlemesi gerektiriyor. Bu durum hem zaman alıcı hem de maliyetli oluyor.
Yeni sistem ise her veri setinin yalnızca belirli görevler için etiketlendiği durumda bile etkili çalışabiliyor. Araştırmacılar, görüntü üreten difüzyon modellerini gizli uzay regresyonu için yeniden tasarlayarak bu başarıyı elde etti.
Sistemin en dikkat çekici özelliği, görevler arası işbirliğini artıran çok akışlı model yapısı. Bu yapı, N'den N'ye görev etkileşimlerini verimli 1'den N'ye dikkat mekanizmasına dönüştürüyor. Böylece farklı görevler birbirinden öğrenebiliyor ve performans artıyor.
Bu gelişme, özellikle medikal görüntüleme, otonom sürüş ve robotik gibi alanlarda büyük potansiyel taşıyor. Veri toplama maliyetlerinin yüksek olduğu bu sektörlerde, daha az etiketli veriyle daha etkili modeller geliştirilebilecek.