- 研究人员构建的人工智能可以从文本指令中学习任务，然后将这些知识传递给其他人工智能系统。 这消除了对每个人工智能进行单独培训的需要，从而简化了开发。
- 人工智能网络可以理解完整的句子，模仿人类互动。 自然语言处理 (NLP) 的进步使人工智能能够更有效地与人类协作。
- 虽然没有感知能力，但这种人工智能通信为进一步探索开辟了道路。 它引发了关于人工智能在社会中的潜在好处和缺点的讨论，包括对超越人类控制的担忧。
一组研究人员开发了一种能够相互交流的人工智能。 研究人员表示，这种创新模型旨在获取知识并执行基于文本的指令的任务，然后将这些知识转移到其他人工智能系统。 这一突破和人工智能进化的细节已发表在该杂志上 自然。
研究人员是如何做到这一点的？
为了评估其效率，研究人员让一个人工智能能够使用所提供的指令来掌握一项任务。 然后，该人工智能能够与另一个人工智能（称为“姐妹”人工智能）分享其知识，使后者能够完成给定的任务，而无需之前的培训或经验。 这一进步标志着人工智能网络的重大飞跃，展示了将自然语言处理 (NLP) 集成到人工智能技术中所提供的巨大可能性。
研究人员通过探索能够直接通信和相互任务学习的代理来推进人工智能。 这一突破涉及构建一个仅接受书面指令训练的人工智能网络，该网络随后将其知识传授给对应的人工智能。 这一里程碑取决于利用自然语言处理，使机器能够自然地理解和复制人类语言。 人工智能网络由神经网络组成，这是模仿人脑神经元结构的机器学习算法的复杂组件。
自然语言处理的基本目标是在计算机中模仿人类语言，使这些机器能够更轻松、自然地解释和模拟文本或口语单词。 鉴于人工智能发展的激增，这一概念越来越有意义，尽管实现完全可行性仍然是一个遥远的目标。 能够相互通信的人工智能的出现代表了这一旅程的重大进步。
复合人工智能是一种“感觉运动循环神经网络（RNN）”，接受一系列心理物理任务的训练，根据 NLP 传达的指令对光等刺激做出反应。 尽管缺乏事先接触或特定于任务的训练数据，RNN 在执行由自然语言指令指导的任务时仍达到了令人印象深刻的 83% 的准确率。 它对书面句子的理解促进了任务的执行，最终通过语言指令向同级人工智能表达结果，从而无需事先经验即可执行任务。
这一突破消除了许多初步基础工作，简化了人工智能模型的开发过程。 传统上，每个模型都需要针对特定任务进行单独训练。 然而，人工智能实体可以共享知识的网络规避了如此广泛的初始训练的必要性。
该网络背后的科学家们实现了一个里程碑，使模型能够以更接近地模仿自然人类交互的方式处理完整的句子并对其做出反应。 这代表了人工智能模型功能的巨大飞跃，增强了它们与人类操作员更无缝协作的潜力。
虽然人工智能系统之间的通信并不等于创建具有类人推理能力的人工智能，但这一发展为人工智能技术的新探索铺平了道路。 它既令人兴奋又令人担忧，引发了关于人工智能对社会潜在影响的争论，包括对人工智能超越人类控制的投机性担忧。
特色图片来源： 谷歌 DeepMind/Unsplash
