Искусственный интеллект: Одно обучение – множество понятий

Исследователи из Университета Нью-Йорка и Университета Помпеу Фабра в Испании разработали метод, который значительно улучшает способности искусственного интеллекта к составным обобщениям. Новая техника, называемая “Мета-обучение для Композициональности” (MLC), превосходит существующие методы и в некоторых случаях превосходит человеческую производительность. MLC основана на тренировке нейронных сетей, используемых в системах распознавания речи и обработки естественного языка, чтобы они становились лучше в составных обобщениях через практику.

Исследователи продемонстрировали, что MLC позволяет нейронным сетям имитировать или превзойти человеческую способность к систематическому обобщению. Они проводили серию экспериментов с участием людей, в которых участники выполняли задачи, аналогичные тем, что выполняли нейронные сети. При этом MLC показала такую же или даже более высокую производительность по сравнению с людьми. Оказалось, что системы, такие как ChatGPT и GPT-4, имели трудности с этой задачей, в то время как MLC и люди успешно справились с ней.

Ученые отмечают, что большие языковые модели все еще испытывают проблемы с композиционной обобщением, но при помощи MLC можно значительно улучшить их способности в этом направлении. Это открытие может быть полезным для различных областей применения искусственного интеллекта, где требуется составное мышление и систематическое обобщение.
Оригинальная новость на сайте