SOLAR: En AI-agent som lär sig själv att anpassa sig kontinuerligt
Forskare har utvecklat SOLAR, en autonom AI-agent som kan lära sig nya färdigheter kontinuerligt utan att glömma tidigare kunskap - ett stort problem med nuvarande språkmodeller. Genom att använda metainlärning (lärande om lärande) kan systemet själv upptäcka nya anpassningsstrategier och presterade bättre än etablerade metoder på reasoning-uppgifter inom matematik, medicin och kodning.
Djupdykning
SOLAR representerar ett fundamentalt skifte från hur vi traditionellt tränar AI-system – istället för att mata in mer data eller justera parametrar manuellt, lär sig systemet att modifiera sina egna vikter genom att behandla modellens interna struktur som en miljö att utforska. Det här är meta-learning på steroider: AI:n utvecklar strategier för hur den ska förändra sig själv när den stöter på nya domäner, samtidigt som den bygger upp ett "minne" av vilka modifieringsstrategier som faktiskt fungerar. Det verkligt intressanta ligger i balansen mellan plasticitet och stabilitet – SOLAR kan anpassa sig till nya uppgifter utan att glömma vad den redan lärt sig, vilket är det klassiska problemet som kallats "catastrophic forgetting". Genom att behandla sina egna parametrar som en miljö för reinforcement learning skapar systemet en självförstärkande cykel där varje anpassning gör framtida anpassningar smartare. Vi befinner oss troligen i början av en era där AI-system inte bara använder sina träningsdata utan aktivt omstrukturerar sig själva baserat på nya erfarenheter, ungefär som hur våra hjärnor formar nya neurala kopplingar genom hela livet.