절강 연구팀은 새로운 길을 제안했습니다. AI를 가르치는 것은 세계를 이해하는 방법

큰 모델은 성장하고 있으며, 더 지배적 인 전망은 더 많은 모델 매개 변수 인 더 가까운 인간의 생각입니다. 그러나 4 월 1 일에 Zhelong 팀에 의해 출판 된 논문은 다른보기를 발표했습니다https://www.nature.com/articles/s41467-026-71267-5나는 모른다. 모델 (mainly SimCLR, CLIP, DINOV2)가 크기로 성장할 때, 특정한 것들을 지속적으로 개선할 수 있는 능력, 그러나 추상적인 개념을 이해하는 능력이 향상되지 않았거나 감소했습니다. 매개 변수가 2.206 백만에서 304.37 백만으로 상승 할 때 특정 개념 작업은 74.94 퍼센트에서 85.87 퍼센트로 상승하고 요약 개념 작업은 54.37 퍼센트에서 52.82 퍼센트로 증가했습니다。

인간과 모델 사고의 차이

인간의 두뇌의 개념이 처리되면 분류 관계가 개발됩니다. 돼지와 owls는 다르고, 사람들은 여전히 새들을 넣어. 위로, 새와 말은 동물 층에서 계속 둘 수 있습니다. 사람들이 새로운 것을 볼 때, 그들은 종종 그것이 좋아하는 것에 대해 생각하기 시작합니다, 그리고 그것이 아마 전에 무엇을. 사람들은 새로운 개념에 대해 계속 배우고, 그 경험을 구성하고 새로운 상황에 적응하기 위해 그들을 사용합니다。

모형은 또한 분류될 수 있습니다, 그러나 다른 형태로. 대용량 데이터의 반복 형태에 주로 의존합니다. 더 구체적인 객체가 나타날수록 모델이 더 쉽게 인식할 수 있습니다. 이 시점에서 더 큰 범주, 모델은 더 많은 힘든. 그것은 여러 개체 사이의 공통성을 캡처하고 그 다음 같은 범주로 그룹해야합니다. 기존 모델도 명백한 석판이 있습니다. 매개 변수가 계속 성장함에 따라 특정 개념 작업이 상승하고 추상적인 개념 작업이 때때로 감소됩니다。

인간의 뇌와 모델 사이의 일반적인 denominator는 내부 분류 관계가 있다는 것입니다. 그러나, 다른 초점과 인간 두뇌의 고도 시각 지구는 생활과 비 생활의 넓은 종류 사이에서 자연적으로 구별합니다. 모델은 특정 개체를 분리 할 수 있지만이 더 큰 분류를 안정화하기 어렵습니다. 이 차이는 새로운 개체에 오래된 경험을 적용하기 위해 인간의 두뇌를 쉽게 만들 수 있으므로 이전에 본 적이 없었던 것들을 신속하게 분류 할 수 있습니다. 다른 손에 모델, 기존의 지식에 의존, 그래서 새로운 개체가 발생할 때, 그것은 쉽게 표면 기능에 중지. 이 접근법은 이 기능의 주위에 개발하기 위해, 뇌 신호를 사용하여 모델의 내부 구조를 제한하여 인간의 뇌 분류에 더 가까이 가져 왔습니다。

Zheung의 솔루션

팀에 의해 제공되는 솔루션은 또한 독특하지만, 계속 겹쳐 쌓이는 매개 변수는 아니지만, 뇌 신호의 작은 수를 모니터링합니다. 여기에 뇌 신호, 뇌 활동 기록 때 사람들이 사진을 볼 수 있습니다. 종이는 원래 DNN에 인간의 개념 수송을 제공에 의해 작성되었습니다. 그것은 인간의 두뇌가 분류 된 방법을 의미, 어떻게 요약, 어떻게 함께 제공되는, 가능한 한만큼 모델을 가르치는 방법。

150 알려진 교육 카테고리 및 50 인식 테스트 카테고리로 실험 된 팀. 결과 모델과 뇌 표지 사이의 거리는 훈련 패키지가 사전에 감소하는 것을 보여줍니다. 이 변화는 두 가지 범주에 나타납니다. 모델이 단일 샘플에서 배울 수 없다는 것을 제안하지만 실제로 인간의 두뇌에 가까운 개념 조직을 배우기 시작합니다。

이 훈련의 결과로, 모형은 표본이 scarce이고 새로운 상황에 더 나은 드러낼 때 학습 가능합니다. 매우 몇 가지 예만 제공 하는 작업에서 하지만 생활과 비 생활 추상적인 개념을 구별 하는 모델이 필요 합니다, 모델 20.5 센트의 평균 증가 하 고 훨씬 더 큰 비교 모델을 초과. 팀은 또한 전문화한 시험의 추가 31 세트를 지휘하고, 모형의 몇몇 유형은 가까운 ten 퍼센트 개선을 보여주었습니다。

지난 몇 년 동안 모델링 산업에 익숙한 경로는 모델의 더 큰 크기였습니다. 큰 팀은 Bigger에서 다른 방향을 선택했습니다. Starred가 더 낫습니다. 확장이 유용하다는 사실이지만, 그것은 임무의 성능과 익숙한에 의해 주로 향상되었습니다. 인간이 이해하는 능력과 추상적 인 용어는 AI에 중요합니다. 앞으로 인간의 두뇌에 가까운 사고 구조를 가져야합니다. 이 방향의 가치는 단지 규모에서 인지 구조 자체로 업계의 관심을 변화시키는 사실에 있습니다。

Neosoul과 미래

이것은 AI의 진화가 모델 교육 단계에서만 배치 할 수 없다는 더 큰 가능성으로 이어집니다. 모델링은 AI가 개념을 구성하고 더 높은 판단 구조를 형성하는 방법을 결정할 수 있습니다. 실제 세계를 입력 한 후, AI의 진화의 다른 수준은 단지 시작 : 그것이 기록 된 방법, 그것이 테스트 된 방법, 실제 경쟁에서 진화하는 방법, 그리고 인간으로 스스로 진화하는 방법. Neosoul이 무엇을하고 있는지 정확히. Neosoul은 AI가 답변을 생산할 수 있도록 허용하지 않지만, AI는 연속 예측, 지속적인 검증, 지속적인 합의, 지속적인 심사, 예측 및 결과의 자체를 최적화 할 수 있도록하여 더 나은 구조를 유지하고 제거 할 수 있습니다. Zhejig 팀은 같은 목표를 달성하기 위해 Neosoul과 함께 일하고 있습니다. AI에게 더 이상 문제가 없지만 완전히 생각하고 진화해야합니다。