🌐 Investigadores de Tel Aviv y Stanford desarrollan IA autoaprendizaje sin datos humanos
Investigadors israelians desenvolupen un mètode d'ensenyament d'IA sense dades generades per humans
Investigadors de la Universitat de Tel Aviv i la Universitat de Stanford han desenvolupat un innovador mètode d'entrenament per a la intel·ligència artificial que permet als sistemes d'IA ensenyar-se entre si i millorar les seves capacitats predictives sense dependre de contingut generat per humans o conjunts de dades externs, segons va anunciar la Universitat de Tel Aviv dimecres.
Les troballes, publicades a la plataforma científica arXiv, suggereixen que la intel·ligència artificial podria ser capaç de desenvolupar habilitats d'aprenentatge fonamentals a través de desafiaments creats enterament per altres models d'IA, la qual cosa podria canviar la manera com s'entrenen els sistemes futurs.
El procés d'entrenament va ser provat mitjançant un sistema que involucrava dos models d'IA. Un dels models generava seqüències de símbols, mentre que l'altre intentava predir quin símbol apareixeria a continuació. Aquest enfocament no requeria que els models consultessin documents escrits, fotografies o altres fonts externes. En el seu lloc, el material d'entrenament es generava dins del propi sistema.
A mesura que els exercicis progressaven, el model encarregat de produir les seqüències es tornava cada vegada més sofisticat a l'hora de crear desafiaments que millorarien el rendiment del seu company. El segon model, al seu torn, desenvolupava habilitats predictives més fortes en intentar repetidament resoldre aquests problemes.
Per determinar si aquestes habilitats podrien aplicar-se més enllà de l'entorn d'entrenament artificial, els investigadors van avaluar el model resultant contra diversos tipus d'informació, incloent-hi llenguatge escrit, imatges, àudio, música, codi informàtic i seqüències d'ADN. Els experiments van demostrar que la precisió predictiva augmentava a mesura que s'assignaven més recursos computacionals a l'entrenament, la qual cosa suggereix que el mètode podria esdevenir més efectiu amb l'expansió de la capacitat computacional.
No obstant això, encara que els models van desenvolupar capacitats predictives sense dades d'entrenament externes, no van poder adquirir informació factual sobre temes del món real de manera independent. Aquest coneixement encara requereix exposició a dades reals.
Els investigadors creuen que la tècnica podria, tanmateix, fer que els futurs sistemes d'IA siguin més eficients en enfortir les seves habilitats d'aprenentatge subjacents abans de començar a processar informació del món real.
Aquest anunci es produeix mentre Israel busca enfortir la seva posició en intel·ligència artificial. El 3 de novembre, el president Isaac Herzog va convocar la sessió inaugural del fòrum "Beyond Intelligence", establert amb la Direcció Nacional d'IA a l'Oficina del Primer Ministre i l'Institut Mosaic per a la Política d'IA per examinar l'impacte de la IA en l'ocupació, la seguretat econòmica i la societat. Herzog va instar Israel a fer del lideratge en el camp una prioritat estratègica, declarant: "Israel ha d'ocupar el seu lloc al capdavant de la intel·ligència artificial. Aquest tren no ens esperarà, i tot el món està mirant cap a nosaltres."
Israeli researchers develop AI self teaching method without human-generated data
Investigadores de la Universidad de Tel Aviv y la Universidad de Stanford han desarrollado un innovador método de entrenamiento para la inteligencia artificial que permite a los sistemas de IA enseñarse entre sí y mejorar sus capacidades predictivas sin depender de contenido generado por humanos o conjuntos de datos externos, según anunció la Universidad de Tel Aviv el miércoles.
Los hallazgos, publicados en la plataforma científica arXiv, sugieren que la inteligencia artificial podría ser capaz de desarrollar habilidades de aprendizaje fundamentales a través de desafíos creados enteramente por otros modelos de IA, lo que podría cambiar la forma en que se entrenan los sistemas futuros.
El proceso de entrenamiento fue probado mediante un sistema que involucraba dos modelos de IA. Uno de los modelos generaba secuencias de símbolos, mientras que el otro intentaba predecir qué símbolo aparecería a continuación. Este enfoque no requería que los modelos consultaran documentos escritos, fotografías u otras fuentes externas. En su lugar, el material de entrenamiento se generaba dentro del propio sistema.
A medida que los ejercicios progresaban, el modelo encargado de producir las secuencias se volvía cada vez más sofisticado al crear desafíos que mejorarían el rendimiento de su compañero. El segundo modelo, a su vez, desarrollaba habilidades predictivas más fuertes al intentar repetidamente resolver esos problemas.
Para determinar si esas habilidades podrían aplicarse más allá del entorno de entrenamiento artificial, los investigadores evaluaron el modelo resultante contra varios tipos de información, incluyendo lenguaje escrito, imágenes, audio, música, código informático y secuencias de ADN. Los experimentos demostraron que la precisión predictiva aumentaba a medida que se asignaban más recursos computacionales al entrenamiento, lo que sugiere que el método podría volverse más efectivo con la expansión de la capacidad computacional.
Sin embargo, aunque los modelos desarrollaron capacidades predictivas sin datos de entrenamiento externos, no pudieron adquirir información factual sobre temas del mundo real de manera independiente. Tal conocimiento aún requiere exposición a datos reales.
Los investigadores creen que la técnica podría, no obstante, hacer que los futuros sistemas de IA sean más eficientes al fortalecer sus habilidades de aprendizaje subyacentes antes de comenzar a procesar información del mundo real.
Este anuncio se produce mientras Israel busca fortalecer su posición en inteligencia artificial. El 3 de noviembre, el presidente Isaac Herzog convocó la sesión inaugural del foro «Beyond Intelligence», establecido con la Dirección Nacional de IA en la Oficina del Primer Ministro y el Instituto Mosaic para la Política de IA para examinar el impacto de la IA en el empleo, la seguridad económica y la sociedad. Herzog instó a Israel a hacer del liderazgo en el campo una prioridad estratégica, declarando: «Israel debe ocupar su lugar a la vanguardia de la inteligencia artificial. Este tren no nos esperará, y todo el mundo está mirando hacia nosotros.»
Israeli researchers develop AI self teaching method without human-generated data
Researchers from Tel Aviv University and Stanford University have developed an innovative training method for artificial intelligence that allows AI systems to teach each other and improve their predictive capabilities without relying on human-generated content or external data sets, Tel Aviv University announced on Wednesday.
The findings, published on the scientific platform arXiv, suggest that artificial intelligence could be capable of developing fundamental learning skills through challenges created entirely by other AI models, which could change the way future systems are trained.
The training process was tested using a system involving two AI models. One of the models generated sequences of symbols, while the other attempted to predict which symbol would appear next. This approach did not require the models to consult written documents, photographs, or other external sources. Instead, the training material was generated within the system itself.
As the exercises progressed, the model tasked with producing the sequences became increasingly sophisticated in creating challenges that would enhance its partner's performance. The second model, in turn, developed stronger predictive skills by repeatedly attempting to solve those problems.
To determine whether these skills could be applied beyond the artificial training environment, the researchers evaluated the resulting model against various types of information, including written language, images, audio, music, computer code, and DNA sequences. The experiments demonstrated that predictive accuracy increased as more computational resources were allocated to training, suggesting that the method could become more effective with expanded computational capacity.
However, although the models developed predictive capabilities without external training data, they could not independently acquire factual information about real-world topics. Such knowledge still requires exposure to real data.
The researchers believe that the technique could, nonetheless, make future AI systems more efficient by strengthening their underlying learning skills before they begin processing real-world information.
This announcement comes as Israel seeks to strengthen its position in artificial intelligence. On November 3, President Isaac Herzog convened the inaugural session of the "Beyond Intelligence" forum, established with the National AI Directorate in the Prime Minister's Office and the Mosaic Institute for AI Policy to examine the impact of AI on employment, economic security, and society. Herzog urged Israel to make leadership in the field a strategic priority, declaring: "Israel must take its place at the forefront of artificial intelligence. This train will not wait for us, and the whole world is looking towards us."
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →