Roman RemberForskarar Innovate AI til å Tenkje meir Menneskeleg
Pionerar frå Massachusetts Institute of Technology (MIT) har gjort eit betydeleg sprang innan kunstig intelligens ved å gjere maskiner i stand til å løyse komplekse problem. Dei har lagt grunnlaget for ein ny ramme som utvider AI sine moglegheiter innanfor koding, strategiformulering og robotikk.
Utvikling av AI si Rekkevidde utover Språkprosessering
Tradisjonelle store språkmodellar som ChatGPT og Claude 3 Opus har utmerka seg i tekstprosessering gjennom menneskelege oppmodningar. Men ifølgje forskarane har framgangen deira vorte hindra av avgrensingar i kontekstuell forståing og logisk resonnering – ei kløft som no er lukka.
MIT sine Abstraksjonsbibliotek: Ein Spelvend
Drupalbruker29186(MediaType)
Kva er MIT si «abstraksjonsbibliotek» sin betydning?
«Abstraksjonsbiblioteket» symboliserer ein metode å kode komplekse konsept og relasjonar på ein måte som maskiner kan forstå og utnytte for avanserte resonneringsoppgåver som ligg meir i tråd med korleis menneske tenkjer.
– Korleis fordeler integrasjonen av nevrale nettverk og symbolsk logikk AI?
Kombinasjonen av nevrale nettverk med symbolske logiske, også kjent som nevro-symboliske metoder, tillèt AI-system å utnytte styrkane til mønstergjenkjenning hos nevrale nettverk samtidig som dei inkorporerer den strukturerte og regelbaserte resonneringa til symbolsk logikk. Denne kombinasjonen kan føre til meir robuste, fleksible og tolkbare AI-system.
– Kva er dei viktigaste utfordringane med å implementere nevrosymbolisk AI?
Ei viktig utfordring er «symbolgrunningsproblemet», som dreier seg om å koble symbola som blir brukte i logikken til reelle meiningar i den virkelige verda på ein måte som AI kan forstå. Ein annan utfordring er den datamaskinkapasiteten som kan følge med å integrere dei to tilnærmingane, i tillegg til behovet for store datasett for å effektivt trene opp nevrale nettverk.
Central Method
Ved å finne opp ein «abstraksjonsbibliotek» kodet på naturleg språk har MIT gitt dei virtuelle assistentane kunnskap om å lære, forstå og uttrykke kunnskap som tett speglar menneskeleg kognisjon. Resultata er nøye detaljerte i tre papir som er nå tilgjengelege på føregreinservaren arXiv.
