能够理解世界而不仅仅是生成一个单词或代码的人工智能系统是许多人工智能研究人员的梦想。
一群量子计算科学家开发了一种新方法，使梦想更近了一步：他们开发了一个框架，使机器能够像人类一样学习。
Quantinuum 团队的一篇新论文描述了该框架，该框架可以让人工智能系统学习形状和颜色等概念。机器不仅可以看到图像并识别它，而且还可以真正理解该物体的含义。
他们开发了组合量子框架，旨在通过经典和量子计算方法从数据中自动构建和学习概念。
使用一种称为“范畴论”的数学类型，利用图形演算来表示对象和态射，对象被描述为标记线，态射被描述为连接这些线的盒子，从而可以直观地理解复杂的操作。
简而言之，研究人员本质上将量子计算的见解与认知科学概念相结合，创建了一个框架，该框架提供了数学结构，使人工智能系统能够可视化动作。
Quantinuum 将这一概念应用于图像识别，证明形状、颜色、大小和位置等概念可以传授给接受过形状图像训练的系统。
Quantinuum 的框架将概念分解为更简单的部分，以便系统可以看到它们如何相互关联和交互——就像一张详细的地图。
通过提高机器理解动作或概念的能力，Quantinuum 团队希望这项研究能够为推进不仅可以预测而且可以理解的人工智能系统做出贡献。
人工智能领域的顶尖人才希望超越生成式人工智能，创造出更强大的系统。最近，Meta 的 Yann LeCun 发表了一次演讲，他表示应该放弃生成式人工智能，重点关注创建能够理解周围世界的ai系统。
Quantinuum 的研究团队也希望实现这一目标——但为了问责制的目的。他们认为，当前的大型语言模型本质上是黑匣子，用户无法检查其底层工作原理。
“在当前人工智能领域谈论问责制和透明度的环境下，我们拥有一系列真正重要的研究，这将从根本上影响下一代人工智能系统。这将比许多人预期的更早发生”，Quantinuum 创始人伊利亚斯·汗 (Ilyas Khan) 说道。
Quantinuum 虽然主要是一家量子计算公司，但在开展人工智能相关研究方面有着悠久的历史。这项最新工作的重点是人工智能系统的可解释性，该公司希望有助于构建ai安全系统。
“人工智能有能力造成严重伤害，同时也带来巨大好处。用户了解系统做出决策的原因至关重要。当我们读到和听到人工智能系统的‘安全问题’时，可解释性和问责制是关键问题，”公司博客文章写道。
Quantinuum 的框架可以在经典计算机和量子机器上运行，论文称后者系统更自然地适合解决范畴论等概念。
组合量子框架还处于早期阶段，其背后的团队表示，它需要“进一步的大量工作”来证明它可以应用于人工智能代理等应用程序。
发布者：ai发烧友，转转请注明出处：http://www.ouzou.cn/ai-jishu/4327.html
