Verificação experimental: O Google desenvolveu um modelo chamado Hope. Suas características são: Ele pode se automodificar e determinar automaticamente quais partes precisam ser aprendidas. Cada camada possui uma velocidade de atualização diferente. Eles decidirão se memorizam ou não determinada informação com base no "nível de surpresa" (por exemplo, darão prioridade à memorização de dados que nunca viram antes). Resultados experimentais: Hope supera todos os modelos existentes em "compreensão de contexto a longo prazo" e "retenção de conhecimento".
Ter esperança: Textos mais longos melhoram a memória, o raciocínio e o senso comum, e praticamente nunca se esquece de tarefas antigas ao aprender novas. Demonstra excelentes capacidades de gerenciamento de memória em tarefas subsequentes de "encontrar uma agulha num palheiro" (NIAH, na sigla em inglês) de longo contexto.
Por que isso é importante? O surgimento da aprendizagem aninhada significa que a IA não é mais simplesmente "treinada", mas pode crescer continuamente por conta própria. Ela pode: Assim como uma pessoa, acumule experiência, aprenda a aprender e mantenha uma estrutura de conhecimento estável a longo prazo. Isso tem implicações significativas para muitas áreas: 🤖 Aprendizado contínuo de IA: O modelo pode aprender continuamente novos conhecimentos sem esquecer os antigos. 🧠 Inteligência semelhante à humana: Os métodos de aprendizagem estão mais próximos da neuroplasticidade do cérebro humano. ⚙️ IA auto-otimizável: O modelo não apenas aprende o conteúdo, mas também o "método de aprendizagem".
Para xiaohu.ai/c/xiaohu-ai/go…https://t.co/uUCXdBFnCL