自我博弈！DeepMind | 用语言游戏让大模型学AlphaGo，数据限制从此不存在了？

文章预览

点击上方 “ AINLPer “ ，设为 星标 更多干货，第一时间送达   我们终于朝着真正自主、自我完善的人工智能迈出了重要一步？ 上周末，一篇 Google DeepMind 的论文引发了 AI 圈的关注。研究者引入了「苏格拉底式学习」，这是 AI 中递归自我完善的一种新方法。这种方法使系统能够自主增强其能力，超越初始训练数据的限制。通过利用结构化的「语言游戏」，该技术可以为实现通用人工智能提供了实用的路线图。 在该工作中，DeepMind 提出的框架围绕封闭、自给自足的环境， AI 系统无需外部数据即可运行 。要实现目标，智能体必须满足三个关键条件：反馈与目标一致，广泛的数据覆盖范围，以及足够的计算资源。这种设计促进了独立学习，为通向 AGI 提供了一条可扩展的途径，同时解决了数据生成和反馈质量等挑战。 新方法的核心是进行「语言游戏」 ………………………………