Inteligența artificială poate învăța singură, fără date create de oameni. Descoperirea cercetătorilor de la Stanford și Tel Aviv

Cercetătorii de la Universitatea Tel Aviv și Universitatea Stanford au demonstrat că un model de inteligență artificială își poate îmbunătăți capacitatea de predicție folosind exclusiv date generate artificial. Noua metodă ar putea reduce dependența sistemelor AI de cantitățile uriașe de informații create de oameni și ar putea contribui la dezvoltarea unor modele mai eficiente.

Inteligența artificială își poate îmbunătăți performanțele folosind propriile date

O echipă de cercetători de la Universitatea Tel Aviv din Israel și Universitatea Stanford din Statele Unite a prezentat o nouă metodă de antrenare a inteligenței artificiale, care nu necesită utilizarea datelor din lumea reală pentru dezvoltarea capacității de predicție.

Studiul, publicat pe platforma științifică arXiv, arată că un model AI poate învăța să facă predicții mai bune prin antrenarea exclusivă pe informații generate de un alt model artificial.

Potrivit unui comunicat publicat miercuri de Universitatea Tel Aviv, abordarea ar putea permite dezvoltarea unor sisteme capabile să dobândească anumite abilități de învățare fără să depindă de colecții extinse de texte, imagini sau alte materiale produse de oameni.

Descoperirea privește îmbunătățirea mecanismelor de învățare și predicție, nu dobândirea autonomă a cunoștințelor despre lumea reală.

Cum funcționează metoda de antrenare a două modele AI

Pentru experiment, cercetătorii au antrenat simultan două modele informatice, fiecare având un rol diferit.

Primul model a fost responsabil cu generarea unor secvențe de simboluri, utilizate drept exerciții de antrenament. Al doilea model trebuia să analizeze aceste secvențe și să prezică simbolul următor.

Pe măsură ce procesul avansa, primul model își îmbunătățea capacitatea de a crea exerciții utile pentru antrenarea celui de-al doilea.

În acest fel, modelul care realiza predicțiile devenea progresiv mai performant, fără să fie necesară introducerea unor date provenite din lumea reală în această etapă de pregătire.

Cercetătorii au verificat ulterior performanțele modelului folosind mai multe categorii de informații, printre care limbajul, imaginile, sunetele, muzica, codul informatic și secvențele ADN.

Rezultatele au arătat că precizia predicțiilor se îmbunătățea pe măsură ce creștea puterea de calcul utilizată în timpul antrenării.

Metoda ar putea ajuta la dezvoltarea unor sisteme AI mai eficiente

Cercetătorii subliniază că noua abordare are și o limitare importantă. Un sistem de inteligență artificială nu poate dobândi informații concrete despre lumea reală dacă nu intră niciodată în contact cu date care descriu această lume.

Prin urmare, metoda nu elimină necesitatea utilizării informațiilor reale în dezvoltarea sistemelor AI.

În schimb, rezultatele sugerează că anumite capacități generale de învățare și predicție pot fi dezvoltate înainte ca modelul să fie expus la informații reale.

O asemenea abordare ar putea permite viitoarelor sisteme de inteligență artificială să utilizeze mai eficient datele disponibile atunci când încep să proceseze limbaj, imagini sau alte tipuri de informații din lumea reală.

Studiul a fost publicat pe arXiv, o platformă pentru lucrări științifice care nu presupune automat evaluarea acestora de către alți cercetători înainte de publicare.