📢 转载信息
原文链接：https://www.bbc.com/news/articles/cvg1mzlryxeo?at_medium=RSS&at_campaign=rss
原文作者：BBC News
人工智能（AI）研究人员正在探索一项新的技术，该技术可以让AI模型在不提供任何代码或显式编程指令的情况下学会一项新技能。
这种学习方式被称为“自监督学习”（self-supervised learning）或“无监督学习”（unsupervised learning）。它与人类的学习方式相似：我们通过观察、推理和分析周围的世界来掌握技能，而不是仅仅通过被告知如何做。
在AI的传统训练模式中，人类通常需要提供大量的标记数据（labeled data）或明确的指令来引导模型学习特定任务，例如识别猫或狗的图片。
但是，自监督学习的目的是让AI模型在不依赖人类标注的情况下，自己从海量数据中提取知识和规律。
如何实现“无指令”学习？
这个过程的核心在于让模型通过分析输入数据本身的结构和上下文来形成“内部表征”（internal representations）。
例如，如果一个模型被输入了大量的文本，它可以通过预测句子中缺失的单词来学习语法、语义和常识。
在视觉领域，模型可能被要求重构被遮挡或打乱的图像部分，通过这一过程，它学会了识别物体、理解空间关系和光影效果。
自主性与通用性
研究人员认为，这种学习范式是实现更通用人工智能（AGI）的关键一步。如果AI能够自主发现知识、理解世界运行的复杂规则，它就能更快、更有效地适应新环境和新任务，而无需为每项新技能进行重新编程或大量微调。
“这种方法使AI系统能够学习到更深层次、更抽象的知识结构，”一位研究人员表示。“它不再是被动地执行人类给定的任务，而是开始主动地理解世界的潜在机制。”
挑战与前景
尽管前景广阔，自监督学习仍面临挑战。模型需要极其庞大的数据集才能有效地学习，并且确保模型学习到的“内在知识”符合人类的价值观和安全标准也至关重要。
但如果技术成熟，这项研究将极大地推动AI的普及应用，使得AI工具的开发门槛降低，速度加快，并且能够处理更加多样化和动态的任务场景。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区