谷歌DeepMind项目的研究人员报告称,他们的人工智能刚刚变得更加人性化了一些:它现在会记住的事情。
在人工智能进步中需要克服的障碍之一是,你可以训练它完成一项任务,但让它记住它做了什么,并能够在未来使用这些专门知识却完全是另一回事。这被称为“灾难性遗忘”,DeepMind的研究人员表示,他们越来越接近于解决这一难题了。
在一篇博客文章中,DeepMind解释说:“当一个新任务被引入时,新的适应改写了神经网络以前获得的知识。”
简单地说,你可以训练人工智能来识别犬科动物的特征,但如果你想要切换到识别人类,它将不得不重新训练,不会保留其对狗的知识,这一点上人工智能不像人类。游戏玩法也是如此。被创造出来玩扑克的人工智能需要被覆盖后才能成为象棋大师。
DeepMind的研究人员表示,他们跟踪神经科学的研究,以及大脑是如何记住过去最重要的东西,就像动物知道某些危险是因为他们的大脑保留了最重要的数据。
DeepMind的James Kirkpatrick表示,他们已经训练他们的人工智能做到了非常类似的事情,在面对一个新的任务的时候,保留重要的数据,并覆盖不那么重要的数据。Kirkpatrick对The Guardian表示,“如果网络可以重新使用它已经学到的东西,它就那么会做的。”
他们是通过训练人工智能来学习如何顺序玩10个经典的Atari游戏做到这一点的,每个游戏需要不同的策略,但有时需要类似的技能。在学习了如何玩这些游戏——其中包括一些令人难忘的游戏,如Space Invaders and Defender——之后,人工智能学会了把十个游戏中的七个游戏玩得像人类一样好。
同时,研究人员表示,虽然他们已经证明人工智能可以顺序地学习游戏,但这并不意味着会带来更好的结果。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。