Nghiên cứu đề xuất khung cho khả năng tự cải thiện đệ quy trong AI vật lý
Một bài nghiên cứu xem xét cách thức tự cải thiện đệ quy—khi hệ thống không chỉ cải thiện hành vi mà còn cải thiện cả quy trình dùng để tự cải thiện—có thể hoạt động trong AI vật lý và robot. Khác với các tác tử phần mềm có thể viết lại mã rồi kiểm thử các phiên bản mới với chi phí thấp, robot phải học từ những quan sát không đầy đủ thông qua các thử nghiệm thực tế tốn kém, đồng thời đối mặt với điều kiện thay đổi và những sai lầm có thể gây hậu quả không thể đảo ngược. Các tác giả đặt tự cải thiện đệ quy trong bối cảnh học robot và xác định những điều kiện để một cải tiến có thể tiếp tục phát huy tác dụng: phản hồi phải giải quyết nhu cầu học còn thiếu, bộ phận tiếp nhận phải có khả năng sử dụng thay đổi, lợi ích phải vẫn còn giá trị khi nhiệm vụ hoặc phần cứng thay đổi, và quá trình luyện tập tiếp theo phải an toàn, có chi phí chấp nhận được. Đây là một khung nghiên cứu để tìm hiểu khi nào kinh nghiệm thực tế có thể giúp robot cải thiện chính các cơ chế tạo ra sự cải thiện, chứ chưa phải báo cáo về một robot tự cải thiện đã được chứng minh.
Các nhà nghiên cứu robot và AI nên xem đây là một khung khái niệm để đánh giá hệ thống tự cải thiện trong môi trường thực, đặc biệt về chi phí thử nghiệm và an toàn. Người dùng phổ thông chưa có sản phẩm cụ thể để thử ngay, nhưng những tiêu chí này có thể giúp đánh giá các tuyên bố về robot “tự học” trong tương lai.
Đọc bài gốc