机器如何能像人类和动物一样有效地学习? 机器如何学习推理和计划? 机器如何在多个抽象层次上学习感知和行动计划的表示,使它们能够在多个时间范围内进行推理、预测和计划?Meta AI Research 首席 AI 科学家、纽约大学 Courant 数学科学研究所 Silver 教授 Yann LeCun 教授将提出一条基于新的模块化认知架构和全新自我的通往自主智能体的可能路径 - 监督培训范式。 所提出的架构的核心是一个可配置的预测世界模型,允许代理进行计划。 行为和学习是由一组可微的内在成本函数驱动的。 世界模型使用一种新型的基于能量的模型架构,称为 H-JEPA(分层联合嵌入预测架构)。 H-JEPA 学习世界的分层抽象表示,同时具有最大的信息量和最大的可预测性。该活动由慕尼黑路德维希马克西米利安大学人工智能数学基础巴伐利亚主席 Gitta Kutyniok 教授组织,该教授职位由巴伐利亚高科技议程资助。 她是慕尼黑大学高级研究中心 (CAS) CAS 研究焦点“下一代人工智能”的发言人,也是慕尼黑大学康拉德祖斯可靠人工智能卓越学院 (relAI) 的院长。获取完整演讲PPT请加我的微信 AI-Leo8