下一代人工智能可能不依赖于简单地扩大现有模型规模,而是依赖于它们学习和适应方式的根本性差异。当前的大型语言模型通常将训练与推理分开,在使用过程中参数是固定的。相比之下,人类通过经验、反思和神经可塑性不断学习和适应。对持续学习、在线学习和测试时训练等领域的研究,例如Google在神经长期记忆模块方面的工作,正在探索使人工智能系统在运行时也能学习。这种持续学习中的一个关键挑战是防止灾难性遗忘,即新学习的内容会抹去先前的知识,目前正在研究经验回放和弹性权重巩固等方法来解决这个问题。 AI
影响 未来的人工智能系统可能会在运行过程中持续学习和适应,超越静态训练阶段。
排序理由 该条目讨论了人工智能研究和开发的未来方向,而不是宣布特定的产品或研究突破。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →