Verificación experimental: Google diseñó un modelo llamado Hope. Sus características son: Puede automodificarse y determinar automáticamente qué partes necesitan ser aprendidas. Cada capa tiene una velocidad de actualización diferente. Decidirán si memorizar cierto dato en función del "nivel de sorpresa" (por ejemplo, darán prioridad a memorizar datos que nunca antes hayan visto). Resultados experimentales: Hope supera a todos los modelos existentes en "comprensión de contexto a largo plazo" y "retención de conocimiento".
Esperanza: Los textos más largos mejoran la memoria, el razonamiento y el juicio de sentido común, y casi nunca se olvidan las tareas antiguas al aprender otras nuevas. Demuestra excelentes capacidades de gestión de memoria en tareas posteriores de "aguja en un pajar" (NIAH) de contexto largo.
¿Por qué es esto importante? La aparición del aprendizaje anidado implica que la IA ya no se "entrena" simplemente, sino que puede crecer continuamente por sí sola. Puede: Al igual que una persona, acumula experiencia, aprende a aprender y mantén una estructura de conocimiento estable a largo plazo. Esto tiene importantes implicaciones para muchas áreas: 🤖 Aprendizaje continuo de IA: El modelo puede aprender continuamente nuevos conocimientos sin olvidar los antiguos. 🧠 Inteligencia similar a la humana: Los métodos de aprendizaje se asemejan más a la neuroplasticidad del cerebro humano. ⚙️ IA autooptimizable: El modelo no solo aprende el contenido, sino también el "método de aprendizaje".
Para xiaohu.ai/c/xiaohu-ai/go…ttps://t.co/uUCXdBFnCL