Рада ухвалила закон про мобілізацію: що змінюється для українців
Долар 41.54 ₴ (+0.12), євро 44.98 ₴ (-0.05)
Кременчук: +18°C, ясно. Увечері до +12°C.
День працівників соціальної сфери. Всесвітній день сміху.
Сьогодні святкують: Максим, Віктор, Тамара
Овен: Хороший день для нових починань. Зірки сприяють ініціативі.
2004 — Кіпр, Чехія та 8 інших країн вступили до Євросоюзу
Паливо знову подорожчало: А-95 переступив психологічну межу
Apple iPhone 17 Air: все що відомо про найтоншу модель
Дослідники з Массачусетського технологічного інституту (MIT) та Гарвардського університету розробили новий підхід до оцінки, наскільки глибоко сучасні системи штучного інтелекту (AI) розуміють реальни
Дослідники з Массачусетського технологічного інституту (MIT) та Гарвардського університету розробили новий підхід до оцінки, наскільки глибоко сучасні системи штучного інтелекту (AI) розуміють реальний світ. Це дослідження може стати вирішальним кроком у визначенні можливості AI систем робити не лише точні прогнози, але й створювати світові моделі, які можна застосовувати до нових завдань.
Дослідження, проведене у MIT і Гарварді, порівнює сучасні AI системи з астрономічними відкриттями Кеплера і Ньютона. Як і Кеплер, AI моделі роблять точні прогнози, але їм ще не вистачає глибокого розуміння принципів, подібно до законів Ньютона. Вчені впровадили нову метрику — індуктивний упередження, що дозволяє вимірювати, наскільки AI моделі наближені до реальних умов, на основі аналізу великих обсягів даних.
Дослідники протестували цю методику на різних рівнях складності моделей. У простих випадках, як одно-вимірна решітка, AI моделі були здатні створити реалістичну модель системи. Проте з підвищенням складності завдань їх здатність різко знижувалась.
Використання цієї метрики може суттєво вплинути на майбутнє навчання AI систем. Якщо модель добре справляється з відомими завданнями, це може свідчити про її потенціал у складніших, невідомих сферах. Вчені сподіваються, що це відкриття допоможе у створенні досконаліших AI систем, здатних до більш глибокого розуміння та адаптації.
Цей новий підхід може значно прискорити розвиток AI у наукових дослідженнях, включаючи хімію, біологію та інші галузі. Здатність AI систем до розуміння та адаптації може відкрити нові можливості для наукових відкриттів, таких як прогнозування властивостей ще не створених хімічних сполук або поведінки невідомих білків. Дослідники підкреслюють, що, попри досягнутий прогрес, попереду ще багато роботи, але тепер є чіткий шлях до покращення розуміння AI.
Без спаму. Лише топ-матеріали Gosta. Відписатись в один клік.