محققان اسرائیلی روشی را توسعه دادند که به هوش مصنوعی اجازه می‌دهد بدون داده‌های تولید شده توسط انسان، خود را آموزش دهد

TAU روز چهارشنبه اعلام کرد، محققان دانشگاه تل آویو (TAU) و دانشگاه استنفورد یک روش آموزشی هوش مصنوعی جدید ایجاد کرده اند که به سیستم های هوش مصنوعی اجازه می دهد بدون اتکا به محتوای تولید شده توسط انسان یا مجموعه داده های خارجی، به یکدیگر آموزش دهند و توانایی های پیش بینی خود را بهبود بخشند. این یافته‌ها که در پلتفرم علمی arXiv منتشر شده است، نشان می‌دهد که هوش مصنوعی ممکن است قادر به توسعه مهارت‌های یادگیری اساسی از طریق چالش‌هایی باشد که به‌طور کامل توسط سایر مدل‌های هوش مصنوعی ایجاد می‌شوند و به طور بالقوه نحوه آموزش سیستم‌های آینده را تغییر می‌دهند. برخلاف آموزش معمولی هوش مصنوعی که

به مقادیر زیادی از اطلاعات موجود بستگی دارد، رویکرد جدید به مدل ها اجازه می دهد تا قبل از مواجهه با مواد دنیای واقعی، قابلیت های پیش بینی ایجاد کنند. محققان از مدل‌های هوش مصنوعی برای تولید و پیش‌بینی توالی‌ها استفاده کردند. محققان این مفهوم را با ایجاد یک سیستم آموزشی شامل دو مدل هوش مصنوعی آزمایش کردند. یکی از آنها وظیفه تولید دنباله ای از نمادها را داشت، در حالی که دیگری تلاش می کرد پیش بینی کند کدام نماد بعدی ظاهر می شود. این فرآیند نیازی به مراجعه مدل‌ها به اسناد مکتوب، عکس‌ها یا سایر منابع خارجی نداشت.

در عوض، مواد آموزشی در خود سیستم تولید می‌شد. با پیشرفت تمرین‌ها، مدلی که مسئول تولید توالی‌ها بود، در ایجاد چالش‌هایی که عملکرد شریک خود را بهبود می‌بخشد، به طور فزاینده‌ای پیچیده شد. مدل دوم، به نوبه خود، با تلاش مکرر برای حل آن مشکلات، توانایی های پیش بینی قوی تری را توسعه داد. این رویکرد به طور موثر به یک سیستم هوش مصنوعی اجازه می‌دهد تا مهارت‌های یادگیری را از طریق یک فرآیند مداوم تولید و حل تمرین‌های دشوارتر توسعه دهد. برای تعیین اینکه آیا آن مهارت ها می توانند فراتر از مهارت های مصنوعی به کار گرفته شوند یا خیر

در محیط آموزشی، محققان مدل به دست آمده را در برابر انواع مختلفی از اطلاعات، از جمله زبان نوشتاری، تصاویر، صدا، موسیقی، کد کامپیوتری و توالی‌های DNA ارزیابی کردند. آزمایش‌ها نشان داد که دقت پیش‌بینی با تخصیص منابع محاسباتی اضافی به آموزش افزایش می‌یابد، که نشان می‌دهد این روش می‌تواند با افزایش ظرفیت محاسباتی مؤثرتر شود. این یافته ها همچنین تمایز مهمی را بین یادگیری نحوه تشخیص الگوها و کسب دانش در مورد جهان ایجاد می کند. محققان نتوانستند اطلاعاتی در مورد واقعی بدست آورند

موضوعات جهان اگرچه مدل‌ها قابلیت‌های پیش‌بینی را بدون داده‌های آموزشی خارجی توسعه دادند، اما نمی‌توانستند به طور مستقل اطلاعات واقعی درباره موضوعات دنیای واقعی به دست آورند. چنین دانشی همچنان مستلزم قرار گرفتن در معرض داده های واقعی است. محققان بر این باورند که این تکنیک می‌تواند سیستم‌های هوش مصنوعی آینده را با تقویت توانایی‌های یادگیری آنها قبل از شروع پردازش اطلاعات دنیای واقعی کارآمدتر کند. این اعلام در حالی صورت می گیرد که اسرائیل به دنبال تقویت موقعیت خود در زمینه هوش مصنوعی است.

در 3 نوامبر، رئیس جمهور آیزاک هرتزوگ جلسه افتتاحیه انجمن "فراتر از اطلاعات" را تشکیل داد که با مدیریت ملی هوش مصنوعی در دفتر نخست وزیر و موسسه موزاییک برای سیاست هوش مصنوعی به منظور بررسی تاثیر هوش مصنوعی بر اشتغال، امنیت اقتصادی و جامعه ایجاد شده است. هرتزوگ از اسرائیل خواست رهبری در این زمینه را یک اولویت استراتژیک قرار دهد و اعلام کرد: "اسرائیل باید جایگاه خود را در خط مقدم هوش مصنوعی بگیرد. این قطار منتظر ما نخواهد بود و تمام جهان به راه ما نگاه می کند."