هوش مصنوعی

پیشنهاد پژوهشی برای هوش مصنوعی دانش‌محور با لایهٔ دانشی مستقل از عامل‌ها

نویسندگان پیش‌چاپی در arXiv می‌گویند آموخته‌های عامل‌های هوش مصنوعی نباید به پارامترهای مدل، پنجرهٔ زمینه یا حافظه‌های اختصاصی هر سامانه محدود بماند.

۱ دقیقه مطالعه
Figure 1: The knowledge-centric loop across agents and generations. Independent agent systems, built on different models and run by different organizations, discover knowledge and contribute it to an explicit knowledge l
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

در پیش‌چاپی با عنوان «به‌سوی هوش مصنوعی دانش‌محور»، نویسندگان استدلال می‌کنند نسل بعدی هوش مصنوعی باید بر لایه‌ای صریح و پیوسته‌درحال‌تکامل از دانش بنا شود؛ لایه‌ای مستقل از هر عامل هوش مصنوعی. به‌گفتهٔ آن‌ها، اکنون عامل‌ها را کاربران و سازمان‌های مستقل می‌سازند و اجرا می‌کنند و ممکن است طی چند ماه ارتقا یابند، جایگزین شوند یا کنار گذاشته شوند؛ اما آموخته‌هایشان معمولاً در پارامترهای مدل، پنجرهٔ زمینهٔ موقت یا حافظهٔ اختصاصی همان سامانه باقی می‌ماند.

نویسندگان دانش را ثبت‌هایی بادوام توصیف می‌کنند که از تولیدکنندگانشان باقی می‌مانند و دیگران می‌توانند آن‌ها را بررسی، ترکیب، آموزش و اصلاح کنند. چکیدهٔ موجود می‌گوید در چارچوب پیشنهادی، عامل‌ها از محیط و مسیرهای کاری خود دانش کشف می‌کنند؛ اما متن منبع در همین‌جا ناتمام است و جزئیات دیگر این چرخه را روشن نمی‌کند. این مقاله نسخهٔ نخست یک پیش‌چاپ در arXiv است.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست