【标题】Socially situated artificial intelligence enables learning fromhuman interaction

【作者团队】Ranjay Krishna, Donsuk Lee, Li Fei-Fei, Michael S. Bernstein

【发表日期】2022.9.19

【论文链接】https://www.pnas.org/doi/epdf/10.1073/pnas.2115730119

【推荐理由】PNAS收录了斯坦福大学一篇文章，此研究着眼于社会情境学习这一目前人工智能（AI）的重要挑战，并在视觉问答任务的实验中，性能提高了 112%。无论 AI 智能体有多少可用的数据，智能体在现实世界的部署中不可避免地会遇到以前没有见过的情况。通过从其他人那里获得新的信息来对新情况做出反应--社会情境学习--是人类发展的核心能力。斯坦福研究人员将社会环境下的 AI 任务--通过与人的社会互动来寻找新的信息的智能体--正规化为一个强化学习问题，智能体通过社会互动观察到的奖励来学习识别有意义和有信息的问题。研究人员将此框架表现为一个交互式的智能体，当它在一个大型的照片分享社交网络上扩大其视觉智能时，它学会了如何提出关于照片的自然语言问题。这项工作为持续改进AI智能体提供了机会，使其在开放的社会环境中更好地尊重规范。