[PNAS | 论文简读] 社会化人工智能能够从人类互动中学习

简读分享 | 庞超 编辑 | 乔剑博

论文题目

Socially situated artificial intelligence enables learning from human interaction

论文摘要

无论智能体有多少可用的数据，它都将不可避免地在现实世界的情形中遇到以前没有见过的情况。通过从其他人那里获得的新信息来对新情况做出反应是人类的核心能力。不幸的是，社会情境学习对人工智能来说仍然是一个挑战，因为它们必须学会如何与人互动，以寻求它们所缺乏的信息。在这篇文章中，作者将社会情境人工智能的任务：“通过与人的社会互动来寻找新的信息的代理人”形式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识别有意义和有信息的问题。作者把这个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学习时，它学会了如何提出关于照片的自然语言问题。与主动学习方法不同的是，主动学习方法假设人类愿意回答任何问题，而这个智能体会根据观察到的人们对哪些问题感兴趣或不感兴趣的情况来调整其行为。经过8个月的部署，智能体与236,000名社交媒体用户进行了互动，智能体在识别新的视觉信息方面的表现提高了112%。

论文链接

https://www.pnas.org/doi/abs/10.1073/pnas.2115730119