Binance
ByBit
WhiteBIT
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.
Від прогнозів до розуміння: нові горизонти AI
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.
Вам може бути цікаво:
