تحقیقات جدید از آزمایشگاه هوش مصنوعی شانگهای چارچوبی به نام «Self-Harness» را معرفی کرده است که به مدل‌های مبتنی بر زبان هوش مصنوعی این امکان را می‌دهد که به صورتی خودکار قوانین خود را بهبود ببخشند. این چارچوب به مدل‌ها کمک می‌کند تا به جای اتکای صرف به غریزه مهندسان، با تحلیل تجربیات اجرای خود، نقاط ضعف را شناسایی و اصلاح کنند.

عملکرد یک مدل هوش مصنوعی به تنها به الگوریتم پایه آن بستگی ندارد، بلکه نحوه تعامل آن با محیط نیز بسیار مهم است. Self-Harness با استفاده از یک چرخه تکراری سه مرحله‌ای، ضمن شناسایی الگوهای خطا، پیشنهادات جدیدی برای بهبود عملکرد ارائه می‌دهد. به این ترتیب، مهندسان می‌توانند افراز‌های سفارشی و مستحکمی را توسعه دهند که به طور مداوم خود را وفق می‌دهند.

تحقیقات نشان می‌دهد که این مدل‌ها قادرند با استفاده از ویرایش‌های خودکار، عملکردشان را بین ۳۳ تا ۶۰ درصد بهبود بخشند. به عنوان مثال، Self-Harness قادر است مشکلات مربوط به عوامل محیطی را شناسایی و راه‌حل‌های ویژه‌ای برای اصلاح آن‌ها ارائه دهد.

تحلیل و بررسی:

Self-Harness می‌تواند یک انقلاب در حوزه هوش مصنوعی هوشمند به حساب آید و قطعا به کارایی تیم‌های توسعه کمک شایانی خواهد کرد. اما لازم است که شرکت‌ها به چالش‌های مرتبط و هزینه‌های محاسباتی آن نیز توجه داشته باشند. آینده استفاده از این فناوری بستگی به بهینه‌سازی فرایندها و سیستم‌های ارزیابی دقیق دارد.

منبع: VentureBeat (مشاهده متن اصلی)