分类: 计算机科学 >> 自然语言理解与机器翻译 提交时间: 2023-07-29
摘要: 目前主流的人工智能,普遍采用注意力机制 + 深度学习+强化学习的技术道路。在 AIGC(Artificial Intelligence Generated Content)领域取得了长足进步,掀起了大模型的技术浪潮。但在那些需要和实际环境互动的领域,比如老人护理,家庭保姆,农业生产,车辆驾驶等领域,试错成本很高,需要大量试错的强化学习过程难以实现。所以,要想实现能适用于任何领域的通用人工智能,我们既要利用现有技术,又要解决现有技术的缺陷,从而推动人工智能的技术浪潮进一步发展。在本文中,我们分析了大模型技术路线的局限性,并针对这些局限性,提出了解决方案,从而解决了大模型的固有缺陷。在本文中,我们将揭示如何一步一步实现通用人工智能。
分类: 计算机科学 >> 自然语言理解与机器翻译 分类: 图书馆学、情报学 >> 机器翻译 提交时间: 2023-04-18
摘要: 目前主流的人工智能,普遍采用注意力机制 + 深度学习+强化学习的技术道路。我们认为强化学习无法适用到那些难以大量试错的领域。所以,要想实现能适用于任何领域的通用人工智能,我们必须转变实现道路。所以,我们提出了一套不同于深度学习+强化学习的机器学习方案,它通过小样本、累积学习,同样实现了和 transformer 相似的注意力机制,也同样创建了全连接知识网络。并且,它不需要采用试错学习的方式,就可以实现和环境的互动决策。并且人类可以给它预置不同的先天需求,来实现多目标平衡,从而实现远高于目前人工智能的安全性。在本文中,我们提出了一套从0 到1 的新机器学习技术方案。