Исследователи из Лаборатории компьютерных наук и искусственного интеллекта в Массачусетском технологическом институте (CSAIL) разработали три «собрания абстракций», которые демонстрируют, как обыденные слова могут стать «богатым источником контекста для языковых моделей», сообщается в заявлении Массачусетского технологического института. Все три собрания - LILO (библиотечное введение на основе языковых наблюдений), Ada (изучение предметной области) и LGA (абстракция, управляемая языком) - усердно работают над созданием человекоподобного мышления для выполнения определенных функций, таких как компьютерное программирование, планирование задач и роботизированные операции. Путем использования нейросимволического подхода, заложенного в LILO, MIT применяет свой алгоритм Stitch для выявления абстракций. Ada, напротив, демонстрирует задания подсознательного ума человека, которые оказывается запутанно сложно воссоздать при помощи искусственного интеллекта. Исследователи сфокусировались на задачах домашней среды и на основе команд в видеоиграх, разработанных языковую модель, которая предлагает абстрагироваться от обширного объема данных. При внедрении на существующих платформах LLM, таких как GPT-4, действия ИИ, такие как «положить охлажденное вино в шкаф» или «построить кровать» (в стиле Minecraft), значительно повысили точность выполнения задач - на 59 и 89 процентов. При тестировании на роботизированной площадке компании Boston Dynamics, где робота просят собрать фрукты или выкинуть бутылки в мусорное ведро, языковые модели сумели разработать план действий в условиях, которые исследователи определяют как «неструктурированную среду». Такой подход к выполнению задач может иметь реальные последствия для беспилотных автомобилей или других автономных технологий.