- Денни Чжоу из Google DeepMind обсудил на лекции в Гарварде обучение ИИ мышлению, более близкому к человеческому.
- Его подход включает добавление мыслей, уточнение ответов, разделение задач на части и гибкую адаптацию.
- Чжоу видит потенциал в ИИ, но отмечает проблемы с беспилотными автомобилями и разрыв между человеческим и машинным мышлением.
Денни Чжоу, возглавляющий команду рассуждений Google DeepMind, провел захватывающую лекцию, организованную группой основ машинного обучения Гарварда. Лекция, интригующе озаглавленная «Научите языковые модели рассуждать», углубилась в новаторскую работу Чжоу, направленную на сокращение разрыва между машинным интеллектом и человеческим познанием.
Раскрытие тайн рассуждений ИИ
Чжоу начал свое исследование рассуждений ИИ пять лет назад, представив уникальный подход к обучению ИИ. Этот подход был направлен на оснащение развивающихся систем ИИ четырьмя фундаментальными компонентами:
Цепочка мыслей (Chain-of-Thought): Этот метод отражает человеческий когнитивный процесс, включая мысли в процесс принятия решений ИИ, улучшая его способности к рассуждению.
Самосогласованность (Self-Consistency): Стратегия Чжоу включает обширную выборку и выбор наиболее частого ответа. Этот итеративный подход уточняет ответы ИИ, стремясь к более высокой точности.
От простого к сложному (Least-to-Most): Разделение сложных проблем на более управляемые сегменты с индивидуальным решением проблем улучшает аналитические способности ИИ.
Инструктивное дообучение (Instruction Finetuning): Обеспечивает возможность систем ИИ оценивать новые проблемы без необходимости исчерпывающего переобучения, тем самым способствуя адаптивности.
Путь к человеческому интеллекту
Несмотря на впечатляющие успехи в области ИИ, Чжоу сохранял прагматичный взгляд на его развитие. Он признал впечатляющие результаты, но подчеркнул значительный путь, который ИИ должен пройти, прежде чем приблизиться к сложным способностям рассуждения человеческого разума.
Роль ИИ в современном обществе
Чжоу выразил скептицизм по поводу быстрой интеграции ИИ в различные аспекты современной жизни. Вопреки оптимистичным прогнозам, Чжоу подчеркнул значительные проблемы, с которыми сталкиваются полностью автономные автомобили. Препятствием являются уникальные требования к данным для обучения моделей ИИ, которые могут значительно различаться от одного города к другому. Следовательно, масштабируемость технологии ИИ остается серьезным препятствием.
Человеческий интеллект против возможностей ИИ
По словам Чжоу, человеческий интеллект продолжает превосходить ИИ в нескольких областях. Он выделил адаптивность людей при вождении в различных городских условиях, чего не могут достичь автомобили с ИИ. Это различие коренится в резких различиях в подходах, используемых людьми и системами ИИ в контексте автономного вождения.
Светлые перспективы улучшенных моделей ИИ
Несмотря на существующие различия, Чжоу сохранял оптимистичный взгляд на будущее ИИ. Он envisionировал модели ИИ, обогащенные способностями к рассуждению, вносящие существенный вклад в человеческое общество. Эти вклады охватывают практические приложения, такие как генерация более отточенного текста и содействие более эффективному написанию кода. По мере продолжения эволюции ИИ, он имеет потенциал увеличить производительность в широком спектре областей.
Лекция Денни Чжоу в группе основ машинного обучения Гарварда дала интригующий взгляд на текущие усилия по повышению рассуждений ИИ. Хотя был достигнут значительный прогресс, очевидно, что ИИ предстоит значительный путь, чтобы приблизиться к человеческому интеллекту. Препятствия, особенно в таких областях, как автономное вождение, подчеркивают сложность реальных приложений ИИ. Тем не менее, перспектива моделей ИИ, наделенных улучшенными способностями к рассуждению, предвещает будущее, отмеченное более продуктивными и эффективными технологическими решениями.
Не просто читайте новости о криптовалютах. Понимайте их. Подпишитесь на нашу рассылку. Это бесплатно.
Отказ от ответственности: Предоставленная информация не является торговой рекомендацией. Cryptopolitan.com не несет ответственности за любые инвестиции, сделанные на основе информации, представленной на этой странице. Мы настоятельно рекомендуем провести независимое исследование и/или проконсультироваться с квалифицированным специалистом перед принятием любого инвестиционного решения.
Бренда Канана
Бренда имеет более 4 лет опыта, специализируясь на криптовалютах, искусственном интеллекте и новых технологиях. Она работала в Zycrypto, Blockchain Reporter, The Coin Republic, а теперь делает Cryptopolitan своим домом. Степень по социологии, полученная в Техническом университете Момбасы, помогает ей оставаться в курсе настроений своих читателей.
