人工智能的语言和文化内化
本研究介绍了一种使用预训练语言模型(LM)的语言模型增强的自我目标学习环境,它支持自动生成并学习具有多样性、抽象性、与人类相关的目标 —— 而非手动编码的目标表示、回报函数或课程,该系统可以在基于文本的任务无关环境中学习掌握各种广泛的技能。
May, 2023
本文研究通过使用图神经网络的不同策略表示和两种目标空间,即基于几何或基于谓词的,对自我目标代表和设置的兴趣驱动智能体的学习和转移能力的影响,并表明这种方法有助于实现更困难的目标学习。
Apr, 2022
本文研究了基于自主目标选择和组织学习计划框架下,语言对于自主学习的重要性,提出了三个开放式科学问题:社交互动中反事实反馈的影响,学习过程中来自稀有语言目标的重采样,以及多种探索方式的结合。通过实验表明,社交互动中反事实反馈的精选对自主学习结果的提高具有决定性作用;在学习过程中,重采样来自稀有语言目标的例子有助于学习;在自主生成目标时,选择具有中等难度的目标可以显著提高最终的表现。
Feb, 2023
本文介绍了发展性强化学习并提出了一个基于目标条件强化学习的计算框架,以解决本能动机技能获取问题,着重探讨了在自主系统中学习目标表示和优先级的现有方法,并讨论了在 intrinsically motivated skills acquisition 中的一些挑战。
Dec, 2020
本文探讨了自主学习代理程序开放式技能库的学习,提出了结合 Piaget 视角和 Vygotsky 视角的方法,通过提供新的社交交互协议 Help Me Explore 和基于图的自主代理程序 GANGSTR,实现了代理程序学习掌握更复杂的任务目标。
Feb, 2022
本文讨论了构建具有社交交互能力的具体化自主智能体是人工智能面临的主要挑战之一,并指出了目前在具体化语言使用方面的研究方向存在的局限性。作者认为,实现人类水平的人工智能需要更广泛的关键社交技能。最后,通过实验研究了一种近期最先进的深度强化学习方法的局限性。
Apr, 2021
本文旨在将心理学的社会认知能力引入到人工智能的社交互动代理中,并提出了一个名为 SocialAI school 的工具,用于进行与社会性和认知能力有关的实 现实验的参数化环境。
Jul, 2023
生成式 AI 为语言学习提供了重要机会。AI 工具如 ChatGPT 可以通过书面或语音聊天提供非正式的第二语言练习,学习者可以通过提示指定对话参数,如熟练水平、语言风格和讨论主题。AI 可以被指导给出修正性反馈、创建练习题或制定扩展学习计划。AI 可以帮助教师构建各种媒体的学习和评估材料。然而,学习者和教师都需要理解 AI 系统的局限性,这些局限性源于它们对人类语言的纯统计模型,从而限制了它们处理语言使用中微妙的社会和文化方面的能力。此外,AI 系统的创建涉及道德问题,并且在使用中存在实际限制,尤其是对于弱势群体。AI 工具的能力和多功能性很可能使它们成为许多人生活中宝贵而常用的伴侣(类似于智能手机),创造出一种超越简单工具使用的紧密联系。生态理论如社会物质主义对于研究用户和 AI 之间产生的共同行动机制非常有帮助,以及来自原住文化的人 - 物关系视角。
Mar, 2024
该论文旨在提出一种 “基础” 的视角,启发人工智能的进步,包括 “基于感知 - 动作循环的体现、嵌入、延伸和实践认知” 的研究方向,以及运用逐步发展的技能促进逐步的语言发展、逐渐适应物理和社会环境的智能代理等几个具体的组成部分,以建立人类一样的语言能力。
Jan, 2022
文中探讨了研究本质激励代理在文本环境中探索的机遇和挑战,并认为文本环境及自主代理之间具有重要的协同作用,提出文本世界适合自主代理探索的关键特性包括深度、广度、进步利基以及语言目标易用性,认为实现这些驱动器对可实现文本世界探索自主代理是有帮助的,并列举了需要在该领域克服的一些具体挑战。
Jul, 2022