गूगल के शोधकर्ता स्व-सुधार की लागत कम करने के लिए AI के खोज इतिहास का उपयोग करते हैं
aiinsider ·
गूगल के शोधकर्ताओं ने ड्रीम-RSI विकसित किया है, एक फ्रेमवर्क जो स्वचालित खोज और आत्म-सुधार से जुड़े खर्चों को कम करने के लिए एआई एजेंट की खोज इतिहाश का लाभ उठाता है। मूल मॉडल को फिर से प्रशिक्षित करने के बजाय, यह सिस्टम पिछली खोजों को परिणामों और कंप्यूटेशनल लागतों वाले पेड़ के रूप में रिकॉर्ड करता है, जिससे एजेंट्स काल्पनिक रीप्ले वातावरण में वैकल्पिक अन्वेषण रणनीतियों का परीक्षण कर सकते हैं। इस दृष्टिकोण से भविष्य की लाइव खोजों के लिए अधिक कुशल नीतियों का चयन किया जा सकता है, बिना महंगे प्रयोगों को दोहराए। एल्गोरिदम इंजीनियरिंग, गणितीय अनुकूलन और GPU प्रोग्रामिंग से जुड़े आठ कार्यों पर किए गए परीक्षणों में, ड्रीम-RSI ने प्रतिस्पर्धी तरीकों के बराबर या बेहतर प्रदर्शन दिखाया, जबकि आवश्यक एआई-एजेंट कॉल्स की संख्या में काफी कमी की। उदाहरण के लिए, सांख्यिकीय एल्गोरिदम डिज़ाइन में, सिस्टम ने स्थिर अन्वेषण नीतियों की तुलना में आधे से कम एजेंट कॉल्स का उपयोग करके तेज़ रनटाइम हासिल किया। अध्ययन से पता चलता है कि खोज के दौरान एआई द्वारा संसाधनों के आवंटन को सुधारना, पिछले प्रयासों से प्राप्त उच्च-स्तरीय लिखित मार्गदर्शन पर निर्भर रहने से अधिक प्रभावी हो सकता है। हालाँकि, इस विधि की सीमा यह है कि यह अन्वेषित न किए गए शाखाओं के परिणामों की पूर्वानुमान नहीं लगा सकती, लेकिन यह अधिक कुशल पुनरावर्ती आत्म-सुधार की ओर एक व्यावहारिक रास्ता प्रदान करती है।
aiinsider