RoCo-ACE: Ny metode lader AI lære uden at glemme
Forskere har udviklet RoCo-ACE, en metode så AI-modeller kan tilegne sig ny viden uden at miste det, de allerede kan.
Problemet med glemsel
Når en AI-model skal lære noget nyt, risikerer den at glemme, hvad den allerede har lært. Det er et stort problem – især når modellen skal bruges i længere tid. Forskere kalder fænomenet 'katastrofal glemsel'.
Løsningen: RoCo-ACE
RoCo-ACE er en ny træningsmetode, der kombinerer to teknikker: rollout-conditioned training og online distillation. Metoden sørger for, at AI-modellen beholder sin gamle viden, samtidig med at den optager nye oplysninger.
Hvorfor det betyder noget
Teknologien kan for eksempel bruges i chatbots, der hele tiden skal opdateres med ny viden, eller i selvkørende biler, der møder nye trafiksituationer. Metoden gør AI'en mere pålidelig over tid.
- RoCo-ACE løser problemet med katastrofal glemsel i AI-modeller.
- Metoden kombinerer rollout-conditioned training og online distillation.
- Den gør det muligt for AI at lære ny viden uden at miste gammel.
- Teknologien er særligt relevant for chatbots og selvkørende biler.
- Forskningen kan gøre AI-modeller mere pålidelige over længere tid.
Du kan fremover stole på, at din AI-assistent husker det, du allerede har lært den, når den får ny viden.
Kilder:
arXiv cs.AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.