AI也要上「幼稚園」？基礎訓練是邁向複雜任務的關鍵

就像人類必須先學會字母才能閱讀、掌握數字才能加減運算一樣，人工智慧也需要從基礎開始學習。紐約大學的研究團隊透過實驗與計算模型證實，當迴圈神經網路（RNN）先接受簡單認知任務訓練後，未來處理更困難的任務時會表現得更好。

這項發表在《Nature Machine Intelligence》期刊的研究，將這種訓練方式稱為「幼稚園課程學習法」。研究主要作者、紐約大學神經科學與資料科學中心副教授Cristina Savin解釋：「就像人類從小發展平衡感或玩球等基本技能，隨著經驗累積，這些能力可以組合起來完成更複雜的行為，例如邊騎腳踏車邊雜耍。」

RNN是一種專門處理序列資訊的神經網路，在語音辨識和語言翻譯領域特別有用。但現有訓練方法在處理複雜認知任務時往往效果不彰，難以完整模擬動物的行為模式。

為瞭解決這個問題，研究團隊先以實驗鼠進行研究。這些老鼠被訓練在有多個隔間的箱子裡尋找水源，但必須學會水源出現與特定聲音、燈光提示相關，且不會在提示後立即出現。老鼠需要整合聲音預示、延遲取水等基本知識，才能成功完成取水任務。

研究人員將這套方法應用在RNN訓練上，讓神經網路透過「幼稚園課程學習法」逐步掌握基礎決策能力，最終完成需要長期策略的賭注任務。結果顯示，採用這種訓練方式的RNN學習速度明顯快於傳統方法。

Savin總結：「AI系統需要先經歷幼稚園階段的基礎訓練，未來才能更有效率地學習複雜任務。這項研究不僅指出了改進AI學習效率的方法，更強調我們需要全面理解過去經驗如何影響新技能的學習。」

[end]