浙江研究チームは、AIを教え、世界を理解する新しい道を提案しました

大規模なモデルが成長し、より優勢なビューはモデルのパラメータが増え、人間が考える方法に近いことです。 しかしながら、4月1日、株式会社ネイチャーコーポレーションのZhelongチームが発表した論文は、異なる見解を提示しましたhttps://www.nature.com/articles/s41467-026-71267-5お問い合わせ モデル(主にSimCLR、CLIP、DINOV2)がサイズで成長すると、特定のものを識別する能力が向上し続けていますが、抽象的な概念を理解する能力が改善されていないか、さらに減少しました。 パラメータが2.206ミリオンから304.37ミリオンに上昇すると、特定の概念タスクは1セントあたり74.94から85.87まで上昇し、抽象的な概念タスクは1セントあたり54.37から52.82パーセントまでです。

人間とモデル思考の違い

人間の脳の概念が取り扱われるとき、分類の関係は開発されます。 スワンズとフクロウは異なり、鳥の中にいる人がいます。 動物の層に鳥や馬が置かれ続けることができます。 人が何か新しいものを見ると、よく、それが好きなもの、そしてそれが以前のようなものについて考えるようになりました。 人々は新しい概念について学び、経験を整理し、それらを使用して新しい状況を識別し、適応させます。

モデルも分類することができますが、異なる形態で。 主に大規模データにおける再発形態に依存しています。 より特定のオブジェクトが現れ、モデルが認識しやすい。 より大きいカテゴリーのこの時点で、モデルはより労働力が高いです。 複数のオブジェクト間で共通性をキャプチャし、同じカテゴリにグループ化する必要があります。 既存のモデルは、ここで明らかなスラブを持っています。 パラメータが成長し続けるにつれて、特定の概念タスクが上昇し、抽象的な概念タスクは時々低下します。

人間の脳とモデルの共通分泌器は、内部分類関係があることです。 しかし、人間の脳の高水準の視覚領域は、自然に生活と非リビングの幅広いカテゴリ間で区別します。 モデルは特定のオブジェクトを分離することができますが、この大きな分類を安定させることは困難です。 この違いは、新しいオブジェクトに古い経験を適用するために、人間の脳がより簡単になるので、以前に見たことがないものを迅速に分類することができます。 一方、パフォーマーは、新しいオブジェクトが遭遇したときに、表面機能を停止する方が簡単ですので、既存の知識に多く依存します。 紙に提案されたアプローチは、脳信号を使用して、モデルの内部構造を制限し、人間の脳の分類に近づけることです。

Zheungのソリューション

チームが提供するソリューションは、パラメータを積み重ね続けることではなく、小さな数の脳信号を監視することもユニークでした。 脳の信号は、人々が写真を見ると脳の活動記録です。 紙はもともとDNNに人間の概念輸送を与えることによって書かれていました。 人間の脳が分類される方法、それがどのようにまとめられているのか、どのように一緒に来て、できるだけ多くのモデルを教える方法を意味します。

150の既知のトレーニングカテゴリと50の認識されていないテストカテゴリで実験したチーム。 結果は、モデルと脳の徴候の間の距離がトレーニングパッケージが進むにつれて減少し続けることを示しています。 この変更は、モデルが単一のサンプルから学習しないことを示唆する両方のカテゴリに表示されますが、実際に人間の脳に近い概念的な組織を学ぶために始まります。

このトレーニングの結果、サンプルが傷つくと、新しい状況に晒されると、より学習できるモデルです。 非常に少ない例だけを与えるタスクでは、生きたと非生きる抽象的な概念を区別するためにモデルを必要とするが、モデルは平均20.5 /セントで増加し、はるかに大きな比較モデルを超える。 また、31組の専門テストを実施し、数種類のモデルをほぼ10パーセント改善しました。

過去数年間、モデリング業界に精通した道は、モデルの規模が大きくなっています。 Bigger から他の方向を選んだのは、Starred が Smarter の方が良いです。 拡張が有用であることは事実ですが、主にミッションのパフォーマンスに精通して改善されています。 抽象的な用語で理解し、移行する人間の能力はAIにとっても重要であり、将来の人間の脳に近い考え方構造をもたらす必要があります。 この方向の値は、単なるスケールから認知構造自体まで、業界の注目を集めるという事実にあります。

Neosoulと未来

これにより、AIの進化がモデルのトレーニングステージでしかできない可能性が高まります。 モデリングは、AIがそのコンセプトを整理し、高品質の判断構造を形成する方法を決定することができます。 実際の世界に入ると、AIの進化の他のレベルが始まったばかりです。どのように記録されたか、テストされたか、実際の競争でどのように進化したのか、人間としての自己学習に進化したのか。 これは、Neosoulが何をしているかです。 Neosoulは、AIが回答を生成するだけでなく、AIが継続的な予測、継続的な検証、継続的な決済、継続的なスクリーニングのシステムに組み込まれ、予測と結果自体を最適化し、より良い構造を保持し、排除されるように悪化させることを可能にします。 ZhejigチームはNeosoulと協力して、AIがもはや問題ではなく、完全に考えやすく進化していくことを目標としています。