O pereche de cercetători de la Universitatea Carnegie Mellon descoperit recent sugerează că procesul de comprimare a informațiilor poate rezolva sarcini de raționament complexe, fără a pregăti în prealabil un număr mare de exemple. Sistemul lor abordează unele tipuri de sarcini abstracte de potrivire a modelului folosind doar puzzle-urile în sine, provocând înțelepciunea convențională despre modul în care sistemele de învățare automată dobândesc abilități de rezolvare a problemelor.
„Compresia informațională fără pierderi poate produce un comportament inteligent?” Întrebați Isaac Liaoun doctorand din primul an și profesorul său de consilier Albert Gu De la departamentul de învățare automată a CMU. Munca lor sugerează că răspunsul ar putea fi da. Pentru a demonstra, au creat Compressarc și a publicat rezultatele într -un Post cuprinzător pe site -ul Liao.
Perechea și -a testat abordarea cu privire la abstractizarea și raționamentul corpusului (Arc-Agi), un punct de referință vizual neînvins creat în 2019 de către cercetătorul de învățare automată Chollet François Pentru a testa abilitățile de raționament abstract ale sistemelor AI. ARC prezintă sisteme cu puzzle-uri de imagine bazate pe grilă în care fiecare oferă mai multe exemple care demonstrează o regulă de bază, iar sistemul trebuie să deduce această regulă pentru a o aplica unui nou exemplu.
Comentarii recente