AI bliver klogere uden at glemme
Ny metode forhindrer AI i at specialisere sig så meget, at den glemmer alt andet.
Problemet med selvlæring
Når AI-systemer som sprogmodeller træner sig selv, har de en tendens til at fokusere så meget på én ting, at de mister evnen til at løse andre opgaver. Forskere kalder det 'skill overfitting' – lidt som hvis du kun træner armbøjninger og så ikke kan løbe mere.
Løsningen fra forskerne
Holdet bag studiet foreslår at behandle AI'ens selvudvikling som en balanceret udforsknings- og udnyttelsesproces. I stedet for bare at jagte den bedste løsning på én opgave, tvinger metoden AI til også at udforske nye muligheder – præcis som en god elev, der både lærer matematik og historie.
Hvad nu?
Teknikken kan indbygges i fremtidens AI-assistenter og robotter. For dig betyder det, at din hjælper ikke pludselig bliver dårligere til at skrive mails, bare fordi den har lært at lave dine indkøbslister. Metoden er testet på almindelige benchmarks og giver op til 20 % bedre bredde i færdighederne.
- Problemet opstår når AI træner sig selv uden menneskelig hjælp.
- Forskere kalder fænomenet 'skill overfitting' – overdreven specialisering.
- Den nye metode balancerer udforskning og udnyttelse under træning.
- Metoden tvinger AI til at lære flere forskellige opgaver på én gang.
- Test på standard benchmarks viste bredere færdigheder uden tab af præcision.
Du kan forvente, at din fremtidige AI-assistent bliver ved med at være god til flere ting på én gang i stedet for at glemme det, du tidligere brugte den til.
Kilder:
arXiv cs.AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.