AI-nyhederYuhan Chens nye metode: AI lærer af fejl
Forsker Yuhan Chen har udviklet Belief-Calibrated Optimization, der giver AI en indre forestilling om verden for bedre beslutninger.
Det nye
Forskere bag papiret 'Belief-Calibrated Optimization' har fundet en måde at få AI-modeller til at tænke mere som mennesker, når de løser opgaver. I stedet for bare at gætte sig frem, bygger modellen nu en slags indre forestilling om, hvad der virker i verden – og bruger den til at vælge bedre næste skridt.
Sådan virker det
Traditionelle AI-modeller prøver sig frem, men den nye metode får dem til at kalibrere deres overbevisninger undervejs. Det betyder, at modellen hele tiden justerer sin forståelse af, hvad der fører til gode resultater. På den måde bliver den mere målrettet og undgår at gentage de samme fejl igen og igen.
Hvad kan det bruges til?
Metoden kan gøre AI bedre til opgaver som planlægning, beslutningstagning og problemløsning ude i den virkelige verden. For eksempel kan den hjælpe med at optimere logistik, energiforbrug eller andre systemer, hvor der skal træffes mange valg i træk. Forskerne håber, at det kan gøre AI mere pålidelig og effektiv.
- Papiret introducerer 'Belief-Calibrated Optimization' som en ny metode til AI-optimering.
- Metoden giver AI en eksplicit model af verden, den kan navigere efter.
- Den nye tilgang får AI til at justere sine forventninger undervejs i opgaveløsningen.
- Forskningen kan forbedre AI's evne til at håndtere komplekse, sekventielle beslutninger.
- Metoden adskiller sig fra traditionelle prøv-og-feji-tilgange.
Du kan snart opleve AI-assistenter, der laver færre fejl og træffer bedre beslutninger, når de for eksempel planlægger din rejse eller styrer dit smarte hjem.
Kilder:
arXiv cs.AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.