新的神经模型实现人工智能到人工智能的语言交流

日内瓦大学 (UNIGE) 的一个团队实现了人工智能 (AI) 的重大飞跃 模型开发成功 它模仿人类独特的特征：根据口头或书面指令执行任务，然后将其传达给其他人。这一成就解决了人工智能领域长期存在的挑战，标志着该领域发展的里程碑。

从历史上看，人工智能系统在处理大量数据和执行复杂计算方面表现出色。然而，它们在人类凭直觉执行的任务上一直达不到要求——从简单的指令中学习新任务，然后阐明该过程供其他人复制。不仅能够理解而且能够传达复杂的指令，这证明了先进的认知功能，直到现在，这些功能仍然是人类智力的一个显着特征。

UNIGE 团队的突破超越了单纯的任务执行，进入了高级 类人语言泛化。它涉及一个人工智能模型，该模型能够吸收指令，执行所描述的任务，然后与“姐妹”人工智能对话，以语言术语中继该过程，从而实现复制。这一发展为人工智能带来了前所未有的可能性，特别是在人机交互和机器人领域，有效的沟通至关重要。

在人工智能中复制人类认知能力的挑战

人类认知技能表现出非凡的学习和交流复杂任务的能力。这些能力深深植根于我们的神经认知系统中，使我们能够迅速理解指令并以连贯的方式将我们的理解传达给他人。在人工智能中复制学习和语言表达之间复杂的相互作用一直是一个巨大的挑战。与人类不同，传统的人工智能系统需要针对特定​​任务进行广泛的训练，通常依赖于大型数据集和迭代强化学习。人工智能通过最少的指令直观地掌握任务，然后阐明其理解的能力仍然难以捉摸。

人工智能能力的这种差距凸显了现有模型的局限性。大多数人工智能系统在其编程算法和数据集的范围内运行，缺乏超出训练范围的推断或推断能力。因此，人工智能适应新场景或以类似人类的方式交流见解的潜力受到极大限制。

UNIGE 的研究代表了克服这些局限性的重大进步。通过设计一个人工智能模型，该模型不仅可以根据指令执行任务，还可以将这些任务传达给另一个人工智能实体，UNIGE 团队展示了人工智能认知和语言能力的重大进步。这一发展预示着未来人工智能可以更接近地模仿人类的学习和交流，为需要这种动态交互性和适应性的应用程序打开了大门。

通过自然语言处理缩小差距

自然语言处理（NLP） 站在弥合人类语言和人工智能理解之间差距的最前沿。 NLP 使机器能够以有意义的方式理解、解释和响应人类语言。人工智能的这个子领域专注于计算机和人类之间使用自然语言的交互，旨在以有价值的方式阅读、破译和理解人类语言。

NLP的根本原理在于其处理和分析大量自然语言数据的能力。这种分析不仅限于字面意义上的单词理解，还延伸到理解上下文、情感，甚至语言中隐含的细微差别。通过利用 NLP，人工智能系统可以执行一系列任务，从翻译和情感分析到对话代理等更复杂的交互。

NLP 进步的核心是人工神经网络的发展，它从人脑中的生物神经元中汲取灵感。这些网络模拟人类神经元传输电信号的方式，通过互连节点处理信息。这种架构允许神经网络从输入数据中学习并随着时间的推移而改进，就像人脑从经验中学习一样。

这些人工神经网络和生物神经元之间的连接是提高人工智能语言能力的关键组成部分。通过对人类语言理解和产生所涉及的神经过程进行建模，人工智能研究人员正在为能够以反映人类认知功能的方式处理语言的系统奠定基础。 UNIGE 研究例证了这种方法，使用先进的神经网络模型来模拟和复制人类认知中固有的语言理解和任务执行之间复杂的相互作用。

UNIGE 的人工智能通信方法

日内瓦大学的团队试图打造一个反映人类认知能力的人工神经网络。关键是开发一个不仅能够理解语言而且能够使用它来传达学习任务的系统。他们的方法始于现有的人工神经元模型 S-Bert，该模型以其语言理解能力而闻名。

UNIGE 团队的策略是将由 300 亿个经过语言理解预训练的神经元组成的 S-Bert 连接到一个更小、更简单的神经网络。这个较小的网络的任务是复制人脑中参与语言处理和产生的特定区域——分别是韦尼克区和布罗卡区。大脑中的韦尼克区对于语言理解至关重要，而布罗卡区在语音产生和语言处理中起着关键作用。

这两个网络的融合旨在模拟这两个大脑区域之间复杂的相互作用。最初，组合网络被训练来模拟韦尼克区，磨练其感知和解释语言的能力。随后，它接受了复制布罗卡区功能的训练，从而能够产生和表达语言。值得注意的是，整个过程是使用传统笔记本电脑进行的，证明了该模型的可访问性和可扩展性。

实验及其意义

该实验涉及向人工智能提供英文书面指令，然后人工智能必须执行指定的任务。这些任务的复杂性各不相同，从简单的动作（如响应刺激而指向某个位置）到更复杂的动作（如辨别和响应视觉刺激中的微妙对比）。

该模型模拟了运动或指向的意图，模仿了人类对这些任务的反应。值得注意的是，在掌握这些任务后，人工智能能够用语言将它们描述给第二个网络，即第一个网络的副本。第二个网络在收到指令后成功复制了任务。

这一成果标志着两个人工智能系统首次纯粹通过语言进行交流，这是人工智能发展的里程碑。一个人工智能仅通过语言交流指导另一个人工智能完成任务的能力开辟了人工智能交互和协作的新领域。

这一发展的影响超出了学术兴趣，有望在依赖复杂人工智能通信的领域（例如机器人和自动化系统）取得实质性进展。

机器人技术及其他领域的前景

这项创新对机器人领域产生了重大影响，并扩展到其他各个领域。这项技术在机器人领域的潜在应用特别有前景。配备这些先进神经网络的人形机器人可以理解并执行复杂的指令，从而增强其功能和自主性。对于设计用于需要适应性和学习的任务（例如医疗保健、制造和个人协助）的机器人来说，这种功能至关重要。

此外，该技术的影响超出了机器人技术的范围。在客户服务、教育和医疗等领域，具有增强沟通和学习能力的人工智能系统可以提供更加个性化和有效的服务。基于 UNIGE 模型的更复杂网络的开发为创建人工智能系统提供了机会，这些系统不仅可以理解人类语言，还可以模仿人类认知过程的方式进行交互，从而带来更自然和直观的用户体验。

人工智能通信的这一进步预示着未来人类和机器智能之间的差距将会缩小，从而带来可能重新定义我们与技术交互的进步。因此，UNIGE的研究不仅证明了人工智能不断发展的能力，而且也是人工认知和通信领域未来探索的灯塔。