参考消息网6月12日报导 据美国意见意义科学网站5月13日报导，麻省理工学院研究职员开发了一种新的方式，资助人工智能(AI)体系于编码、战略计划及机械人科学三个领域履行繁杂推理使命。

　　谈天天生预练习转换器(ChatGPT)及“克劳德3-奥普斯”(Claude 3 Opus)等年夜语言模子(LLM)，凭据人类输入“提醒词”处置处罚及天生文本。研究职员说，已往18个月，这些技术已经年夜年夜改良，但仍由于没法像人类同样理解语境或者于推理使命方面体现精彩而受限。

　　可是，麻省理工学院的科学家们现在流传宣扬，已经经由历程建设可以或许孕育发生更强盛人工智能模子的天然语言“抽象”“宝库”，破解了这个难题。天然语言抽象将繁杂的主题改变为高级特性并省稍不主要的信息，这可能有助在谈天机械人像人同样推理、进修、感知及描绘知识。

　　科学家认为，今朝年夜语言模子另有难以像人那样提守信息。但他们把天然语言抽象分成三个资料库，希望它们可以或许增强情境意识，从而做出更多近似人类的回应。

　　科学家们在2023年10月、2023年12月13日及本年2月28日于阿奇夫论文预印本网站上发表了三篇论文，具体先容了他们的研究结果。第一个资料库叫作“语言不雅察归纳资料库”，卖力合成、压缩并纪录盘算机代码；第二个叫作“行动域获取”，笼罩人工智能的挨次决议计划；末了一个名为“语言指导的抽象”，资助机械人更好地舆解情况并计划行动。

　　这些论文摸索了语言怎样为人工智能体系提供主要的配景，以便它们可以或许处置处罚较繁杂的使命。5月11日，这些论文提交给了于奥地利维也纳进行的国际进修表征聚会会议。威斯康星年夜学麦迪逊分校生理学助理教授罗伯特·霍金斯于声明中说：“资料库进修代表着人工智能领域一个最使人兴奋的前沿，为朝着发现及推理合成抽象提供了一条路子。”未介入这项研究的霍金斯另有说，以往的近似研究盘算成本过高，难以年夜规模运用。

　　科学家们说，三个资料库框架都利用神经符号要领——一种联合神经收集的人工智能结构。神经收集就是接纳经典的近似法式的逻辑要领，模拟人类年夜脑结构的机械进修算法调集。

　　编码越发智能

　　年夜语言模子已经成为人类软件工程师的强盛工具，包罗GitHub公司的Copilot模子等。但研究职员说，它们不克不及用在建设周全软件资料库。要做到这一点，它们必须可以或许对于代码举行分类，并将其集成到更容易在读取及重用的较小法式中，这恰是“语言不雅察归纳资料库”的作用所在。

　　科学家把以前开发的可以或许找出抽象看法的算法——即“缝合”算法——与年夜语言模子合并，形成“语言不雅察归纳资料库”神经符号框架。凭据这类要领，当年夜语言模子编写代码时，它就与“缝合”算法配对于，确定语言抽象于资料库里的位置。

　　因为“语言不雅察归纳资料库”可以理解天然语言，它就能够像人类软件工程师那样使用知识完成使命。经由历程更好地舆解提醒词中利用的文字，年夜语言模子有朝一日可以绘制2D图象，回覆与视觉效果相干的问题，操作Excel电子表格文档等。

　　制订战略计划

　　研究职员说，年夜语言模子今朝另有不克不及利用推理技术建设矫捷计划，例如烹调早饭触及的法式。可是，“行动域获取”框架多是让它们于虚拟情况中履行此类使命时举行顺应及计划的一种方式。

　　该框架经由历程利用年夜语言模子从与烹调及游戏计划相干的天然语言库中查找抽象来建设资料库，此中最佳的计划由人类操作员评分、过滤并添加到库中。经由历程将开放人工智能研究中央的GPT-4与该框架相联合，研究职员于履行厨房模仿及游戏使命时击败了作为AI决议计划水平基线的“代码即战略”。

　　经由历程找到隐蔽的天然语言信息，该模子理解了诸如把冰镇葡萄酒放入厨房橱柜及铺床如许的使命，与没有“行动域获取”影响的情况下履行不异使命相比，正确率划分提高了59%及89%。研究职员希望于可预感的未来为“行动域获取”找到其他家务用途。

　　可以或许解决问题

　　“语言指导的抽象”框架也让机械人可以或许像人同样更好地舆解情况——从周围情况去除了没须要要的细节，找到更好的抽象，以便可以或许更有用地履行使命。

　　“语言指导的抽象”于天然语言提醒词(例如“把帽子拿给我”)中找到使命抽象，并凭据练习视频履行行动。

　　研究职员利用波士顿动力公司的四足类犬机械人“雀斑”机械狗，去完成取生果及收受接管饮料瓶的使命，证实了“语言指导的抽象”的效果。试验注解，机械人可以有用扫描世界，于杂乱的情况中制订计划。

　　研究职员信赖，“语言不雅察归纳资料库”“行动域获取”及“语言指导的抽象”如许的神经符号框架将付与人工智能模子解决问题的技术，而且更好地驾驭情况，从而为“更像人同样的”人工智能模子打下基础。