Nested Learning de Google : la solution pour la mémoire et l'apprentissage continu de l'IA

Et si une IA pouvait apprendre de chaque conversation, pour toujours ? Le nouveau paradigme de Google, le Nested Learning (Apprentissage Imbriqué), vise à résoudre le problème critique de la mémoire dans les modèles d'IA statiques actuels. Leur modèle de preuve de concept, Hope, utilise un « Système de Mémoire Continuum » à plusieurs niveaux qui imite la façon dont le cerveau consolide les informations à différentes vitesses. Cela lui permet de surpasser les transformers standards, affichant une perplexité plus faible et une précision plus élevée, tout en excellant dans la recherche de faits spécifiques au sein de documents volumineux. Cette avancée pourrait enfin mener à des systèmes d'IA qui adaptent et mettent à jour continuellement leurs connaissances à partir de nouvelles données. Imaginez un tuteur personnalisé qui se souvient de chaque leçon ou une IA d'entreprise qui évolue constamment avec les nouvelles tendances du marché sans nécessiter un réentraînement complet.