Meta首席AI科學(xué)家Yann LeCun與認(rèn)知科學(xué)家Emmanuel Dupoux正聯(lián)手推動(dòng)一場研究轉(zhuǎn)向——從認(rèn)知科學(xué)中汲取靈感,重新思考人工智能的自主學(xué)習(xí)機(jī)制。這一合作聚焦于一個(gè)核心問題:生物體如何在缺乏明確監(jiān)督的情況下實(shí)現(xiàn)有效學(xué)習(xí)。
研究團(tuán)隊(duì)深入分析了活體生物的自主學(xué)習(xí)運(yùn)作方式,試圖破解自然界中無處不在、卻難以在機(jī)器中復(fù)現(xiàn)的學(xué)習(xí)范式。與當(dāng)前主流依賴海量標(biāo)注數(shù)據(jù)的大型語言模型不同,生物系統(tǒng)往往通過觀察、預(yù)測和與世界互動(dòng)來構(gòu)建內(nèi)部模型,這種"世界模型"能力正是LeCun長期倡導(dǎo)的下一代AI架構(gòu)關(guān)鍵。
![]()
該方向挑戰(zhàn)了以規(guī)模驅(qū)動(dòng)性能提升的既有路徑,強(qiáng)調(diào)理解智能的本質(zhì)而非單純堆砌算力。若生物啟發(fā)的自主學(xué)習(xí)機(jī)制取得突破,或?qū)锳I系統(tǒng)帶來更強(qiáng)的常識(shí)推理、持續(xù)學(xué)習(xí)和能量效率,緩解當(dāng)前大模型訓(xùn)練成本飆升與數(shù)據(jù)枯竭的雙重困境。
![]()
從認(rèn)知科學(xué)到AI工程的跨學(xué)科融合,或?qū)⒊蔀榇蚱飘?dāng)前技術(shù)瓶頸的關(guān)鍵變量。
特別聲明:以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布,本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.