让AI进行自我对话使其更聪明-煤油灯科技

让AI进行自我对话使其更聪明

煤油灯科技2026-08-01 21:07

让人工智能进行自我对话，有助于其更快地学习并更轻松地适应环境。这种内部言语与工作记忆相结合，使人工智能能够利用极少的数据实现技能的泛化。

自言自语常被视作人类独有的习性。内心独白有助于人们梳理思绪、做出抉择、处理情绪。最新研究表明，这种自我对话同样能让人工智能受益。冲绳科学技术大学院大学（OIST）的科学家在《神经计算》期刊发表的研究中指出，当人工智能系统将内心独白与短期记忆相结合时，其学习效率会显著提升，从而能够应对更广泛的任务需求。

研究结果表明，学习不仅仅是一个系统设计问题。该研究的第一作者、冲绳科学技术大学院大学认知神经机器人研究组的科学家杰弗里·奎瑟博士（Dr. Jeffrey Queißer）表示：“这项研究突显了自我交互在我们学习过程中的重要性。通过以一种教导系统进行自我对话的方式来构建训练数据，我们发现，学习不仅受人工智能系统架构的影响，还受训练程序中嵌入的交互动态的影响。”

教会人工智能进行自我对话

为验证这一构想，研究人员将自发性内心独白（被描述为静默的“喃喃自语”）与特制的工作记忆系统相结合。这一融合显著提升了人工智能模型的学习能力，使其在适应陌生情境以及同时处理多项任务时表现更佳。

构建灵活、通用的人工智能

研究团队长期致力于与内容无关的信息处理研究。这一方法旨在助力人工智能借助通用规则和方法，而非死记硬背的模式，将其所学应用于特定实例之外的其他场景。

奎塞尔博士表示：“我们人类每天都能轻松做到快速切换任务、解决陌生问题，但对人工智能而言，这极具挑战性。正因如此，我们采用跨学科方法，将发育神经科学与心理学，同机器学习、机器人技术等多个领域相融合，以期探寻全新的学习思路，为人工智能的未来发展提供指引。”

为何工作记忆如此重要

早期实验聚焦于记忆设计领域，尤其关注工作记忆在助力人工智能实现泛化能力方面所发挥的作用。工作记忆能让系统暂时存储并运用信息，无论是遵循指令还是进行快速计算。研究人员通过测试不同难度级别的任务，对多种记忆结构进行了比较。

他们发现，拥有多个工作记忆槽（用于临时存储信息片段的容器）的人工智能系统在应对复杂挑战时表现更佳，例如逆转序列或重现模式。这些任务需要同时记住多个元素，并对其进行精准操作。

当研究团队加入自言自语目标（即让系统按指定次数进行自我对话）后，系统性能得到进一步提升。这种优化在多任务处理以及涉及多步骤的问题解决中表现尤为显著。

奎塞尔博士表示：“我们的组合系统格外引人注目，因为它能利用稀疏数据运行，而无需通常训练此类模型以实现泛化所需的大规模数据集。它提供了一种互补且轻量级的替代方案。”

现实环境中的学会学习

接下来，研究人员计划突破井然有序的测试环境，引入更具现实意义的挑战。奎塞尔博士解释道：“在现实世界中，我们是在复杂、嘈杂且动态变化的环境中做出决策、解决问题的。为了更好地模拟人类的发展性学习，我们需要将这些外部因素纳入考量。”