Google DeepMind tại ICML 2024

Khám phá AGI, những thách thức về khả năng mở rộng và tương lai của AI tạo ra đa phương thức

Tuần tới, cộng đồng trí tuệ nhân tạo (AI) sẽ họp lại vào năm 2024 Hội nghị quốc tế về máy học (ICML). Diễn ra từ ngày 21 đến 27 tháng 7 tại Vienna, Áo, hội nghị là nền tảng quốc tế để giới thiệu những tiến bộ mới nhất, trao đổi ý tưởng và định hình tương lai của nghiên cứu AI.

Năm nay, các nhóm từ khắp Google DeepMind sẽ trình bày hơn 80 bài nghiên cứu. Tại gian hàng của chúng tôi, chúng tôi cũng sẽ giới thiệu mô hình đa phương thức trên thiết bị của mình, Song Tử Nanogia đình mô hình AI mới của chúng tôi dành cho giáo dục được gọi là HọcLM và chúng tôi sẽ demo Chiến thuậtAImột trợ lý AI có thể hỗ trợ chiến thuật bóng đá.

Sau đây chúng tôi xin giới thiệu một số bài thuyết trình bằng miệng, bài thuyết trình nổi bật và bài thuyết trình áp phích của chúng tôi:

Xác định con đường đến AGI

Trí tuệ nhân tạo tổng quát (AGI) là gì? Cụm từ này mô tả một hệ thống AI có khả năng ít nhất là ngang bằng con người ở hầu hết các nhiệm vụ. Khi các mô hình AI tiếp tục phát triển, việc xác định AGI có thể trông như thế nào trong thực tế sẽ ngày càng trở nên quan trọng.

Chúng tôi sẽ trình bày một khuôn khổ cho phân loại khả năng và hành vi của các mô hình AGI. Tùy thuộc vào hiệu suất, tính tổng quát và tính tự chủ, bài báo của chúng tôi phân loại các hệ thống từ máy tính không phải AI đến các mô hình AI mới nổi và các công nghệ mới khác.

Chúng tôi cũng sẽ chỉ ra rằng tính mở là rất quan trọng để xây dựng AI tổng quát vượt xa khả năng của con người. Trong khi nhiều tiến bộ AI gần đây được thúc đẩy bởi dữ liệu quy mô Web hiện có, các hệ thống mở có thể tạo ra những khám phá mới mở rộng kiến ​​thức của con người.

Mở rộng hệ thống AI một cách hiệu quả và có trách nhiệm

Việc phát triển các mô hình AI lớn hơn, có khả năng hơn đòi hỏi các phương pháp đào tạo hiệu quả hơn, phù hợp hơn với sở thích của con người và bảo vệ quyền riêng tư tốt hơn.

Chúng tôi sẽ chỉ cho bạn cách sử dụng phân loại thay vì kỹ thuật hồi quy giúp dễ dàng mở rộng quy mô các hệ thống học tăng cường sâu và đạt được hiệu suất tiên tiến trên nhiều lĩnh vực khác nhau. Ngoài ra, chúng tôi đề xuất một phương pháp mới dự đoán sự phân bố hậu quả của hành động của tác nhân học tăng cườnggiúp đánh giá nhanh chóng các tình huống mới.

Các nhà nghiên cứu của chúng tôi trình bày một cách tiếp cận duy trì sự liên kết điều đó làm giảm nhu cầu giám sát của con người và cách tiếp cận mới để tinh chỉnh các mô hình ngôn ngữ lớn (LLM)dựa trên lý thuyết trò chơi, giúp kết quả của LLM phù hợp hơn với sở thích của con người.

Chúng tôi phê bình cách tiếp cận của các mô hình đào tạo trên dữ liệu công khai và chỉ tinh chỉnh bằng đào tạo “riêng tư khác biệt”và cho rằng cách tiếp cận này có thể không mang lại sự riêng tư hoặc tiện ích như người ta thường khẳng định.

Những cách tiếp cận mới trong AI tạo sinh và đa phương thức

Công nghệ AI tạo sinh và khả năng đa phương thức đang mở rộng khả năng sáng tạo của phương tiện truyền thông kỹ thuật số.

Chúng tôi sẽ trình bày VideoNhà thơsử dụng LLM để tạo ra video và âm thanh hiện đại từ các đầu vào đa phương thức bao gồm hình ảnh, văn bản, âm thanh và video khác.

Và chia sẻ thần đèn (môi trường tương tác sáng tạo), có thể tạo ra nhiều môi trường có thể chơi được để đào tạo tác nhân AI, dựa trên lời nhắc văn bản, hình ảnh, ảnh hoặc bản phác thảo.

Cuối cùng, chúng tôi giới thiệu Ống kính ma thuậtmột hệ thống truy xuất hình ảnh mới sử dụng hướng dẫn văn bản để truy xuất hình ảnh có mối quan hệ phong phú hơn ngoài sự tương đồng về mặt hình ảnh.

Hỗ trợ cộng đồng AI

Chúng tôi tự hào tài trợ cho ICML và thúc đẩy một cộng đồng đa dạng trong lĩnh vực AI và học máy bằng cách hỗ trợ các sáng kiến ​​do Khuyết tật trong AI,Queer trong AI,LatinX trong AI VàPhụ nữ trong Học máy.

Nếu bạn tham dự hội nghị, hãy ghé thăm gian hàng Google DeepMind và Google Analysis để gặp gỡ nhóm của chúng tôi, xem bản demo trực tiếp và tìm hiểu thêm về nghiên cứu của chúng tôi.