O Laboratório de IA de Stanford propõe um modelo de mundo de zero amostras, reduzindo a diferença entre os dados de aprendizagem visual de IA e de crianças humanas

Notícias do ME, 15 de abril (UTC+8), o Laboratório de IA de Stanford (StanfordAILab) recentemente afirmou que a quantidade de dados necessária para que os modelos de IA mais avançados atualmente tenham capacidades visuais é várias ordens de magnitude maior do que a de crianças humanas. Para reduzir essa disparidade, os pesquisadores propuseram o método Zero-shot World Model (ZWM, Modelo de Mundo Zero-shot). Este método alcançou avanços notáveis, com o modelo BabyZWM atingindo um desempenho comparável a um determinado padrão não especificado, treinado apenas com dados de primeira pessoa de uma única criança. (Fonte: InFoQ)