Mô hình này đã khắc phục một trong những hạn chế chính trong học máy theo ngữ cảnh, giúp AI có thể tự động học và thực hiện các hành động mới một cách linh hoạt và hiệu quả.

Nhóm nghiên cứu từ Phòng nghiên cứu AI của T-Bank (trước đây là Tinkoff Bank) và Viện nghiên cứu trí tuệ nhân tạo (AIRI) có trụ sở tại Moscow đã công bố kết quả của mình trong một bài báo trực tuyến.

Theo nhóm nghiên cứu, các mô hình AI hiện có trước đây mặc dù có khả năng học cách thực hiện các nhiệm vụ mới khi được cung cấp đủ dữ liệu, vẫn bị giới hạn bởi một tập hợp các hành động được xác định trước và cố định. Việc giới thiệu một "không gian hành động" mới thường yêu cầu một tập hợp dữ liệu mới và việc học lại mô hình, điều này gây tốn kém và phức tạp cho một số ứng dụng.

Để giải quyết vấn đề này, nhóm nghiên cứu đã sử dụng một mô hình học máy có tên là Algorithm Distillation (AD) và sửa đổi thêm để đáp ứng mục tiêu đã đề ra.

Phương pháp AD đào tạo AI thực hiện các nhiệm vụ bằng cách tự động dự đoán hành động dựa trên tập dữ liệu lịch sử học tập của nó làm bối cảnh. Mô hình mới của Nga được gọi là 'Headless-AD' và đã được trình bày tại Hội nghị quốc tế về học máy ở Vienna.

Phương pháp Headless-AD cho phép mô hình có khả năng học và triển khai các hành động mới để phản hồi các nhiệm vụ mới mà không cần thêm đầu vào hoặc học lại của con người. Điều này có nghĩa là AI có thể tự thích ứng với các điều kiện mới mà không cần phải đào tạo lại từ đầu, tiết kiệm thời gian và nguồn lực.

Theo nhóm nghiên cứu, AI của họ có khả năng thực hiện nhiều hành động gấp năm lần so với ban đầu được dạy. Điều này mở ra tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau, từ công nghệ vũ trụ đến trợ lý nhà thông minh. Một mô hình AI như vậy có thể được dạy một số hành động cơ bản trên dữ liệu tổng quát và sau đó thích ứng với các điều kiện cụ thể của một bối cảnh cụ thể.

Một số phương tiện truyền thông Nga cho rằng mô hình AI mới có thể đủ thông minh để vượt qua cái gọi là "bài kiểm tra cà phê" - một thử thách nổi tiếng mà ChatGPT hiện đã thất bại.

Lần đầu tiên được đưa ra bởi nhà đồng sáng lập Apple Steve Wozniak, bài kiểm tra này yêu cầu một máy AI "đi vào một hộ gia đình trung bình của người Mỹ và tìm ra cách pha cà phê, bao gồm xác định máy pha cà phê, tìm ra chức năng của các nút bấm, tìm tủ đựng cà phê..."

Vấn đề đối với hầu hết AI hiện nay là mặc dù các hộ gia đình trung bình có nhiều điểm chung, tất cả chúng vẫn có một chút khác biệt, điều này đòi hỏi một máy AI phải được dạy trên một tập dữ liệu cụ thể liên quan đến một hộ gia đình cụ thể để có thể thực hiện nhiệm vụ ở đó.

Thực hiện cùng một nhiệm vụ trong một hộ gia đình mới sẽ yêu cầu phải học lại trên một tập dữ liệu mới. Tuy nhiên, AI tự thích ứng của Nga được cho là có khả năng hoàn thành nhiệm vụ mà không cần học lại, nhờ khả năng tự học và thích ứng linh hoạt.

Mô hình AI này không chỉ có tiềm năng ứng dụng trong các hộ gia đình mà còn trong nhiều lĩnh vực công nghiệp và công nghệ khác, giúp tăng cường hiệu quả và tiết kiệm chi phí trong việc triển khai AI. Các nhà khoa học Nga đã mở ra một hướng đi mới trong việc phát triển trí tuệ nhân tạo, mang lại hy vọng về những ứng dụng tiên tiến và linh hoạt hơn trong tương lai.