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

ME News Notícias, 15 de abril (UTC+8), o Laboratório de IA de Stanford (StanfordAILab) recentemente apontou que a quantidade de dados necessária para que os modelos de IA mais avançados atualmente tenham capacidade visual é muito superior à de várias gerações de crianças humanas. Para reduzir essa disparidade, os pesquisadores propuseram o método Zero-shot World Model (ZWM, Modelo de Mundo Zero-Shot). O método alcançou avanços notáveis, e o modelo BabyZWM, treinado apenas com dados de primeira pessoa de uma única criança, atingiu um desempenho comparável a um benchmark não especificado. (Fonte: InFoQ)