周四，Meta 宣布了一項(xiàng)長(zhǎng)期的人工智能研究計(jì)劃。為了解更多關(guān)于“人腦是如何處理語(yǔ)音和文本信息”的過(guò)程，以改進(jìn)人工智能語(yǔ)言模型處理相同輸入的方式，該公司還與 NeuroSpin 和 Inria 達(dá)成了合作。Meta 表示，盡管 AI 模擬軟件研究已經(jīng)走過(guò)了很長(zhǎng)一段路，但其在語(yǔ)言學(xué)習(xí)方面仍遠(yuǎn)不及生物大腦。

AI 語(yǔ)言模型 vs 人腦活動(dòng)的差異

據(jù)悉，孩子們可以在看過(guò)幾個(gè)例子后就知曉“Orange”可表示顏色（橙色）和水果（橙子），而 AI 卻需要更長(zhǎng)的時(shí)間來(lái)習(xí)得這項(xiàng)知識(shí)。

若 Meta 能夠搞清楚大腦是如何更高效地運(yùn)作的，就可對(duì) AI 模型展開有針對(duì)性的調(diào)整。

Building AI That Processes Language as People Do（via）

過(guò)去很長(zhǎng)一段時(shí)間，Meta 及其合作伙伴一直在努力了解“為何大腦在語(yǔ)言學(xué)習(xí)和理解上遠(yuǎn)勝于人工智能”，并且已經(jīng)在兩篇科學(xué)論文中概述過(guò)他們的發(fā)現(xiàn)。

其中一項(xiàng)研究涉及讓 AI 語(yǔ)言模型像大腦一樣活動(dòng)以理解下一個(gè)單詞，另一項(xiàng)則涉及讓大腦可提前預(yù)測(cè)單詞或想法。

Meta 視覺 / 單詞 / 語(yǔ)言算法

通過(guò)特定的編程設(shè)計(jì)，研究人員可讓 AI 語(yǔ)言模型嘗試通過(guò)類似人腦的活動(dòng)來(lái)推測(cè)下一個(gè)單詞，從而顯著改進(jìn)此類工作的效率。

比如 AI 可在接收到初始的“從前”（Once upon a…）輸入時(shí)，試圖從諸多候選項(xiàng)中推測(cè)下一個(gè)單詞。

而人腦會(huì)本能地回顧答案的形成、以及與之相關(guān)的更多維度的信息（比如圖像）—— 單從這一點(diǎn)來(lái)看，人腦就已經(jīng)遙遙領(lǐng)先于普通的 AI 模型。

最后，但愿 Meta 可將其在 AI / ML 方面的各項(xiàng)技術(shù)進(jìn)步，用于更廣泛的 AI 研究和社區(qū)共享，從而趕緊推動(dòng)其它 AI 項(xiàng)目、而不是將之用于狹隘的廣告盈利等目的。

關(guān)鍵詞： 人工智能 Meta開啟長(zhǎng)期AI研究項(xiàng)目 欲讓人工智能像大