Vérification expérimentale : Google a conçu un modèle appelé Hope. Ses caractéristiques sont les suivantes : Il peut s'auto-modifier et déterminer automatiquement les parties qui doivent être apprises. Chaque couche a une vitesse de mise à jour différente. Ils décideront de mémoriser ou non une information en fonction de son « degré de surprise » (par exemple, ils privilégieront la mémorisation de données qu'ils n'ont jamais vues auparavant). Résultats expérimentaux : Hope surpasse tous les modèles existants en matière de « compréhension du contexte à long terme » et de « rétention des connaissances ».
Espoir: Les textes plus longs améliorent la mémoire, le raisonnement et le bon sens, et permettent de ne presque jamais oublier les tâches déjà accomplies lors de l'apprentissage de nouvelles. Il démontre d'excellentes capacités de gestion de la mémoire dans les tâches en aval de type « aiguille dans une botte de foin » (NIAH) à long contexte.
Pourquoi est-ce important ? L'émergence de l'apprentissage imbriqué signifie que l'IA n'est plus simplement « entraînée », mais qu'elle peut évoluer continuellement de manière autonome. Elle peut : Comme tout être humain, accumulez de l'expérience, apprenez à apprendre et maintenez une structure de connaissances stable sur le long terme. Cela a des implications importantes dans de nombreux domaines : 🤖 Apprentissage continu de l'IA : le modèle peut apprendre en continu de nouvelles connaissances sans oublier les anciennes. 🧠 Intelligence de type humain : les méthodes d’apprentissage se rapprochent de la neuroplasticité du cerveau humain. ⚙️ IA auto-optimisée : le modèle apprend non seulement le contenu, mais aussi la « méthode d'apprentissage ».
Pour xiaohu.ai/c/xiaohu-ai/go…ez consulter : https://t.co/uUCXdBFnCL