大多數(shù)人都熟悉向人類學(xué)習(xí)的人工智能機(jī)器。想想人形機(jī)器人Sophia或曾經(jīng)在Jeopardy上競(jìng)爭(zhēng)過的超級(jí)計(jì)算機(jī)Watson ！。但是，如果AI可以互相學(xué)習(xí)怎么辦？如果他們能在無需人工干預(yù)的情況下學(xué)會(huì)彼此交談，該怎么辦？那就是今年夏天計(jì)算機(jī)科學(xué)的客座助理教授David Perkins和他的研究小組正在探索的東西。

由Sosina Abuhay ‘23，Sam Aravilli ’23，Siqi Fang ‘23和Awildo Gutierrez ’23組成的小組一直在進(jìn)行遠(yuǎn)程會(huì)議，以訓(xùn)練液態(tài)人工智能（LSM），這是一種人工智能，可以精確識(shí)別各種輸入。他們現(xiàn)在希望開始培訓(xùn)多個(gè)LSM，以便彼此交互和通信，以完成更復(fù)雜的任務(wù)，而單個(gè)LSM無法單獨(dú)完成這些任務(wù)。

關(guān)于代碼類型的最簡單的解釋是，它可以像人腦一樣識(shí)別并響應(yīng)模式，并且可以像人腦一樣進(jìn)行訓(xùn)練。LSM是神經(jīng)網(wǎng)絡(luò)的一種特殊類型，這是一種基于大腦結(jié)構(gòu)的算法，可以識(shí)別并響應(yīng)模式。“您必須像對(duì)待有機(jī)體一樣對(duì)待液態(tài)機(jī)器……就好像您有這個(gè)孩子正在從頭開始學(xué)習(xí)某些東西一樣，”阿拉維利說。

根據(jù)Perkins的說法，大多數(shù)LSM研究都集中在訓(xùn)練機(jī)器使其功能類似于其他類型的AI。他的小組的研究強(qiáng)調(diào)了LSM之間的通信，因此解決了未被充分評(píng)估的潛力。珀金斯說：“我們正在介入，試圖看看是否可以找到合適的市場(chǎng)并為這個(gè)只有5至10年歷史的新領(lǐng)域做出貢獻(xiàn)。”

學(xué)生們說，珀金斯鼓勵(lì)他們酌情指導(dǎo)和探索他們的研究。在教授提供有關(guān)研究過程的建議的同時(shí)，學(xué)生們?cè)诤艽蟪潭壬匣仡櫫似渌芯?，自學(xué)了一種新的編碼語言，編寫了代碼，并自行運(yùn)行了代碼?！案杏X就像教授正在和我們一起學(xué)習(xí)。僅僅是他是一個(gè)更有經(jīng)驗(yàn)的研究人員，” Fang說。

珀金斯說：“我們?cè)ㄓ?月初開始，但他們提早數(shù)周開會(huì)，因此陷入了困境。”他描述了學(xué)生們對(duì)該項(xiàng)目的熱情和承諾?！拔宜龅闹皇墙o他們一些想法，他們可能會(huì)從這些想法開始，直到他們以后才開始……他們已經(jīng)完成了98%的編碼，計(jì)劃和調(diào)度。我為這個(gè)團(tuán)隊(duì)的合作表現(xiàn)感到驚訝。”