以色列研究人员开发无需人类数据的人工智能自学方法
9 天前 6 阅读来源:jpost.com
AI 中文改写
原文为英文,由 AI 改写为中文报道,内容完整。如需参考原文请点击下方链接
以色列特拉维夫大学和斯坦福大学的研究团队近日开发出一种新的人工智能训练方法,让AI系统可以互相教学、提升预测能力,整个过程不依赖人类生成的内容或外部数据集。这项研究已发表在科学预印本平台arXiv上,核心思路是:让AI在接触真实世界数据之前,先通过“自己出题、自己解题”的方式练出基础学习能力。
具体来说,研究人员搭建了一个由两个AI模型组成的训练系统。一个模型负责生成符号序列,另一个模型尝试预测下一个出现的符号。整个训练过程不需要查阅文档、图片或任何外部资料,训练材料完全由系统内部生成。随着练习推进,出题的模型越来越擅长制造能提升对手表现的难题,解题的模型则在反复应对中练出了更强的预测能力。换句话说,AI通过不断“生成越来越难的练习题并解题”这一循环,自行发展出了学习技能。
为了验证这种能力能否迁移到人造训练环境之外,研究人员用语言文本、图像、音频、音乐、计算机代码和DNA序列等多种信息对训练出的模型进行了评估。结果显示,随着投入的计算资源增加,模型的预测准确率持续提升,这意味着算力越强,该方法的效果可能越好。但研究也划出了一条重要边界:模型虽然学会了识别模式,却无法独立获得关于真实世界的事实性知识——这类知识仍然需要接触真实数据。研究人员认为,这项技术的价值在于让未来的AI系统在接触真实信息之前先把“学习能力”练得更扎实,从而提升后续训练效率。
这一成果发布的时机也值得注意。以色列正积极布局AI领域的国际地位,11月3日,总统赫尔佐格主持了“Beyond Intelligence”论坛的首次会议,该论坛由总理办公室国家AI局和Mosaic AI政策研究所共同设立,重点讨论AI对就业、经济安全和社会的影响。赫尔佐格在会上呼吁将AI领导力列为国家战略优先事项,并直言“这趟列车不会等我们”。对跨境电商和AI从业者而言,这项研究指出了一个值得关注的趋势:未来AI模型的训练成本结构可能发生变化,前期“自学”阶段对人工标注数据的依赖有望降低,但涉及真实商品、市场和用户的知识,依然离不开真实数据的喂养。
这篇文章对你有帮助吗?
觉得有用?分享给更多人
留言 · 0 条
暂无留言,来说两句吧
