محققان Google DeepMind از یک چارچوب پیشگامانه به نام رونمایی کردند یادگیری بی کران سقراطی (BSL)، یک تغییر پارادایم در هوش مصنوعی با هدف توانمندسازی سیستم ها برای بهبود خود از طریق تعاملات مبتنی بر زبان ساختاریافته. این رویکرد میتواند گامی اساسی به سمت هدف دست نیافتنی ابر هوش مصنوعی (ASI) باشد، جایی که سیستمهای هوش مصنوعی با حداقل ورودی انسانی توسعه خود را هدایت میکنند.
مفهوم: بازی های زبانی و یادگیری خودپایدار
در هسته خود، Boundless Socratic Learning بر «بازی های زبانی» متکی است، تعاملات ساختاری که در آن عوامل هوش مصنوعی محیط های یادگیری خود را ایجاد، ارزیابی و اصلاح می کنند. این بازیها نه تنها بهعنوان منبع داده عمل میکنند، بلکه مکانیسمهای بازخورد تعبیهشده را نیز ارائه میکنند و از انطباق و بهینهسازی مداوم اطمینان میدهند. این فرآیند در سه بعد اصلی آشکار می شود:
-
یادگیری ورودی/خروجی: عوامل به طور مکرر پاسخ های خود را با استفاده از بازخورد درون سیستمی بدون تکیه بر مجموعه داده های خارجی بهبود می بخشند.
-
انتخاب بازی: توانایی انتخاب یا حتی طراحی «بازیهای زبانی» که در آن شرکت کنید، دامنه یادگیری را بیشتر میکند.
-
خود اصلاح کد: یک امکان نظری اما وسوسه انگیز که در آن عوامل ممکن است برنامه نویسی خود را اصلاح کنند.
پتانسیل خود-بهبودی در اینجا عمدتاً توسط منابع محاسباتی محدود شده است…