教導機器人如何教導其他機器人：打破機器學習的約束
引言
在科技快速發展的世界中，人工智慧（AI）的應用正在改變我們的生活方式。隨著機器學習的發展，使得 AI 代理可以從經驗和教學中不斷學習。然而當前的機器學習方法通常只涉及單一 AI 代理依次學習不同的任務，這種過程是相對緩慢的。然而一項由南加州大學的電腦科學教授 Laurent Itti 和他的博士生 Yunhao Ge 領導的研究，為機器學習帶來了新的可能性。共享知識給 AI 代理學習
在最近的一項研究中，Itti 和 Ge 提出了一種稱為「共享知識終生學習」（Shared Knowledge Lifelong Learning）的新方法，該方法使 AI 代理能夠在遇到新任務時持續學習，同時保持對以前任務的知識。研究人員建立了一個名為 SKILL（Shared Knowledge Lifelong Learning）的工具，幫助 AI 代理學習 102 個不同的任務，例如按車型（法拉利、吉普、凱迪拉克）、按品種分類數以萬計的影象、或按疾病分類胸部 X 射線圖片。 這些 AI 代理透過去中心化的通訊網路共享他們的知識，最終掌握了所有 102 個任務的知識。研究人員比喻說，這就像每個機器人都在教授自己專長的課程，其他機器人則是專注聽眾，透過數位網路共享知識。共享知識帶來的效益
Itti 和 Ge 的研究表明，如果 102 個代理中的每個代理學習一個任務，然後共享知識，那麼所需的時間將減少 101.5 倍，這還考慮到它們之間的通訊和知識整合。傳統上，我們先收集要讓 AI 學習的所有資料，然後才訓練 AI 進行學習。然而就像人類一樣，我們正在試圖創造能夠在發現新事物後繼續學習的 AI 代理。 Itti 認為，SKILL 是實現共享知識終生學習的一個有前途的起點。此前的研究從未涉及這麼多自然任務。他相信，未來這項研究可以擴大到數千甚至百萬個任務，並將生活的各個方面轉變為一個「真正存取、智慧和高效的全球社區」。將技術應用於醫學和其他領域
SKILL 技術的應用範圍廣泛。在醫學領域，不同的 AI 系統可以專注於學習不同的疾病、治療方法、病人護理技巧和最新研究。在整合他們學習的知識後，這些 AI 代理可以成為醫生的綜合醫療助手，為醫學的各個方面提供最新、最準確的訊息。 此外 SKILL 技術還可以應用於城市導覽、旅遊、餐廳評論等各種領域。每個使用智慧手機的人都可以成為所在城市的本地導遊，拍照並提供關於重要地標、商店、產品和當地美食的詳細訊息。一旦這些資料在網路上共享，每個使用者都可以擁有一個先進的數位導遊。展望未來
Itti 和 Ge 指出，SKILL 工具僅檢驗了 AI 代理對影象內容的識別能力，他們表示未來的研究將探索部署 AI 代理執行更複雜任務的可能性。 他們認為，SKILL 技術與群體外包的概念相似，例如線上餐廳評論。在群體外包中，許多人共同解決一個問題的一部分，當知識共享時，問題就會得到解決。現在我們可以用 AI 代理來實現相同的目的。 Itti 補充道："如果你作為一個單一人，必須重新學習全部的人類知識，那將是一個不可逾越的任務。人類具有分享訊息的手段，我們現在正在將這個想法應用到 AI 領域。"結論
Itti 和 Ge 的研究展示了共享知識終生學習對機器學習領域的巨大影響。這一新的方法使得 AI 代理可以在將來不斷學習新的任務，並與其他代理共享知識。這將讓 AI 技術在醫學、旅遊和其他領域發揮更大的作用，為人們帶來更多便利和效益。將來，隨著這一技術的不斷發展，我們可以期待一個存取智慧而高效的全球社區的未來。ArtificialIntelligence-機器學習,人工智慧,教學,新紀元
延伸閱讀
- OpenAI 揭開 AI 祕密指令的面紗
- AI 助您創辦者更快、更輕鬆地籌集資金嗎？
- 盧西德機器人獲得 900 萬美元用於無人機清潔任何地方
- 以色列新創公司 Panax 籌集了 1,000 萬美元 A 輪融資，用於其基於人工智慧的現金流管理平臺
- Reddit 測試使用基於 LLM 的人工智慧進行自動整站法語翻譯
- 三星醫聲將以 9270 萬美元收購法國人工智慧超聲波新創公司 Sonio
- 網際網路共同創始人 Robert Kahn 早在幾十年前就已經做到了加密、人工智慧和網際網路嗎？
- 人聲 vs AI：Audible 推出 AI 旁白有機會取代人類旁白嗎？
- 深潛至海底者：機器學習揭開抹香鯨的「字母表」
- 突破獨家訪談：Wayve 共同創辦人 Alex Kendall 談自動駕駛汽車和機器人的未來
