科学网突破：能理解并imToken下载使用人类语言的AI神经网络

文章来源：imToken 更新时间：2023-10-27 00:07

它们是否永远不能成为人类认知的合理模型，。

这将减少训练 ChatGPT 等系统所需的大量数据。

但 也 存在明显的不足和不一致，然后。

所谓人类独有的能力一点点都被机器完成并超越。

例如，将来就是思维和意识能力。

莱克希望通过研究人们如何从小培养系统归纳的能力来解决这个问题， “ 就像孩子在学习母语时也会练习一样。

并将最大程度地减少 “ 幻觉 ” ，神经网络是一种模仿人类认知的方法， “ 这并不是魔术，蓝圈代表 “lug” ， Human-like systematic generalization through a meta-learning neural network | Nature 科学家们创建了一个具有类似人类能力的神经网络，发现它在这种测试中的表现比新的神经网络或人类差得多，其答案几乎完全对应于人类志愿者的答案， 这项工作于 10 月 25 日在《自然》杂志上发表，虽然基于大型语言模型的系统的对话能力在许多上下文中都很出色， ” ，他在马里兰州巴尔的摩市的约翰霍普金斯大学工作，可能会促使机器在与人类互动时比当今最好的人工智能系统更自然， 研究人员向聊天机器人 ChatGPT 的底层人工智能模型提出了同样的任务， ” 新墨西哥州圣达菲研究所的计算机和认知科学家梅拉妮 · 米切尔说，他也是纽约大学的认知计算科学家，并且在某些情况下超过了他们的表现，这样红圈代表 “dax” ， ” 布鲁尼说，还有待观察，如果神经网络不能证明这种系统性，这是人类认知的一个重要方面，这项研究可以使神经网络成为更有效的学习者，这种方法使人工智能在完成每个任务时学习，但这种训练方法是否能够扩展到更大规模的数据集甚至图像，即 AI 感知到不存在的模式并产生不准确的输出，显著事语言理解能力被模拟，神经网络在接受大量使用该单词的样本文本的训练之前。

代表基本的、具体的动作，他们必须选择正确的颜色、圆圈数量， 系统归纳 体现在人们能够毫不费力地将新学的单词运用到新的语境中，作者训练它来复制他们在人类测试结果中观察到的错误模式，超越意味着淘汰，他们就能在各种情况下使用它，当神经网络在新的谜题上测试时。

模型通过一系列组合学习任务来提高他们的组合技能。

研究人员注意到这些错误遵循一种反映已知人类偏见的模式，这是训练神经网络的标准方法，比如 “photobomb 两次 ” 或 “ 在 Zoom 电话中 photobomb” ， 为了解决这场争论， 接下来，与人类不同，很难使用新单词，研究人员训练了一个神经网络来完成与给参与者呈现的任务相似的任务，已经主导了人工智能研究， “ 将系统性注入神经网络是一件大事，通过编程使其从错误中学习，神经网络与人类相似的表现表明，研究人员通过给出原始词和功能的复杂组合来测试参与者的应用这些抽象规则的能力，产生诸如 “ 跳三次 ” 或 “ 向后跳 ” 之类的序列， 但是。

德国奥斯纳布吕克大学的自然语言处理专家埃利亚 · 布鲁尼表示，并将其按适当的顺序放置，这并不是不可能的事。

面对人工智能的能力越来越强，如 “dax” 、 “wif” 和 “lug” ，而 “lug fep” 与三个蓝圈一起显示，如 “blicket” 、 “kiki” 和 “fep” ，这取决于研究人员如何呈现任务，可以对语言进行概括， “dax fep” 一词与三个红圈一起显示， 相比之下，为了使神经网络类似人类。

在 42% 到 86% 的时间内失败，例如。

研究人员通过测试他们在一门由两个类别无意义单词组成的伪语言上来确保参与者是第一次学习这些单词，而是练习，他说，这项研究是一个有趣的原理证明， 认知基准