Ученые представили новый набор данных для контекстного обучения искусственного интеллекта (ИИ), который поможет проводить исследования быстрее и дешевле без привлечения узкопрофильных специалистов.
Этот набор данных, известный как XLand-100B, включает в себя 100 миллиардов примеров действий агентов искусственного интеллекта для 30 тысяч задач. Для создания такого масштабного проекта потребовалось около 50 тысяч GPU-часов вычислительной мощности.
Контекстное обучение - одно из наиболее перспективных направлений машинного обучения, поскольку оно позволяет ИИ взаимодействовать с окружающей средой, учитывать контекст при принятии решений и адаптироваться к новым условиям. Это делает этот метод особенно полезным для различных областей, таких как игры, здравоохранение, робототехника и промышленность.
Новый набор данных будет использоваться для обучения моделей контекстного обучения с подкреплением (In-Context RL), которые могут быть обучены на массивах данных для демонстрации правильного решения конкретных задач. Затем эти модели смогут применять свои знания для решения новых задач, не требуя дополнительного обучения.
XLand-100B представляет собой значительный прорыв в области разработки искусственного интеллекта, поскольку он может помочь ученым быстрее и эффективнее тестировать различные алгоритмы и стратегии обучения. Это также открывает новые возможности для развития искусственного интеллекта в различных отраслях, поскольку ученые теперь смогут использовать этот набор данных для обучения своих моделей.
]]>
