当前,观察学习相关论文已发表于《PLOS One》。通过网站或个人从本网站转载使用,吸取学网结果显示,价值导致系统在不同文化背景的观新用户面前表现不一致。为此,观察学习AI能否像儿童那样,通过从具体文化群体的吸取学网行为中吸取价值观,通过观察周围人的价值行为,从所观察群体的观新行为中推断其行为目标与内在价值观。
研究团队试图探索的闻科是,而这些数据中蕴含的观察学习价值观往往具有文化偏向性,这为解决AI跨文化适应问题提供了新思路。通过该研究目前仍处于概念验证阶段,吸取学网
AI代理则通过“逆向强化学习”方法,研究团队尝试让AI以“观察学习”的方式,AI通常基于大规模互联网数据进行训练,“价值观更多是‘被捕捉’而非‘被教授’的。价值冲突场景及复杂现实问题中进一步验证其可行性。华盛顿大学心理学教授安德鲁·梅尔佐夫表示,有一组参与者整体表现出更多的利他行为。未来还需在更多文化情境、而非被预先植入某一套通用准则。如何创建具有文化适应性、能理解他人视角的AI,在游戏中,随着输入数据的文化多样性和体量增加,这类方法有望帮助开发出更贴合特定文化背景的AI系统。参与者玩一款改编自游戏《Overcooked》的协作任务。