AI研究 AIが推論の複雑性を自己修正する
本動画は、AI推論の精度向上を目指す新手法「セルフエボリューション・ルーブリック」を解説する。従来の強化学習では最終回答の正誤のみで報酬を与えるため、AIが思考プロセスを理解せずショートカットを学ぶ「報酬ハッキング」が生じる問題があった。シ...
AI訓練手法
AI研究 
AI研究 人間を超えるAIの自己進化(Agent Zero:ノースカロライナ大学、スタンフォード大学)?
本動画は、スタンフォード大学、セールスフォース、ノースカロライナ大学チャペルヒル校の研究チームが開発した「Agent Zero」フレームワークを解説する。人間による注釈付きデータが枯渇した現在、AIが自己学習により知能を進化させる新手法が提...
Google・DeepMind・Alphabet SRL:Googleによる新しいAI訓練手法
Googleが発表した新しいAI学習アルゴリズム「教師あり強化学習(SRL)」は、従来の教師あり学習と強化学習の長所を組み合わせた革新的な手法である。従来の教師あり微調整は過学習の問題があり、検証可能な報酬関数による強化学習は複雑なタスクに...