周四，Meta 宣布了一项长期的人工智能研究计划。为了解更多关于“人脑是如何处理语音和文本信息”的过程，以改进人工智能语言模型处理相同输入的方式，该公司还与 NeuroSpin 和 Inria 达成了合作。Meta 表示，尽管 AI 模拟软件研究已经走过了很长一段路，但其在语言学习方面仍远不及生物大脑。 AI 语言模型 vs 人脑活动的差异 据悉，孩子们可以在看过几个例子后就知晓“Orange”可表示颜色（橙色）和水果（橙子），而 AI 却需要更长的时间来习得这项知识。 若 Meta 能够搞清楚大脑是如何更高效地运作的，就可对 AI 模型展开有针对性的调整。 Building AI That Processes Language as People Do（via） 过去很长一段时间，Meta 及其合作伙伴一直在努力了解“为何大脑在语言学习和理解上远胜于人工智能”，并且已经在两篇科学论文中概述过他们的发现。 其中一项研究涉及让 AI 语言模型像大脑一样活动以理解下一个单词，另一项则涉及让大脑可提前预测单词或想法。 Meta 视觉 / 单词 / 语言算法 通过特定的编程设计，研究人员可让 AI 语言模型尝试通过类似人脑的活动来推测下一个单词，从而显著改进此类工作的效率。 比如 AI 可在接收到初始的“从前”（Once upon a…）输入时，试图从诸多候选项中推测下一个单词。 而人脑会本能地回顾答案的形成、以及与之相关的更多维度的信息（比如图像）—— 单从这一点来看，人脑就已经遥遥领先于普通的 AI 模型。 最后，但愿 Meta 可将其在 AI / ML 方面的各项技术进步，用于更广泛的 AI 研究和社区共享，从而赶紧推动其它 AI 项目、而不是将之用于狭隘的广告盈利等目的。
