微软的研究团队近期推出了一项名为“大型行动模型”（Large Action Model，简称LAM）的人工智能技术，标志着人工智能发展迈入新阶段。与传统的语言模型GPT-4o相比，LAM能自主操作Windows程序，意味着AI不仅能对话或提供建议，还能真实执行任务。
LAM的优势在于其能理解用户的文字、语音和图像输入，并将其转化为详细的步骤计划。LAM不仅能制定计划，还能根据实时情况调整行动策略。构建LAM主要分为四个步骤：首先，模型学习将任务分解为逻辑步骤；其次，通过更先进的AI系统（如GPT-4o）学习如何将计划转化为具体行动；然后，LAM会独立探索新的解决方案，甚至解决其他AI系统无法应对的问题；最后，通过奖励机制进行微调训练。
在实验中，研究团队以Mistral-7B为基础构建了一个LAM模型，并在Word测试环境中进行测试。结果显示，该模型成功完成任务的概率为71%，相比之下，GPT-4o在无视觉信息的情况下的成功率为63%。此外，LAM在任务执行速度上也表现优异，每个任务仅需30秒，而GPT-4o则需要86秒。虽然在处理视觉信息时，GPT-4o的成功率提高至75.5%，但总体来看，LAM在速度和效果上均有显著优势。
此外，为了构建训练数据，研究团队最初收集了29，000对任务和计划的示例，这些数据来自微软文档、wikiHow文章和必应搜索。之后，他们利用GPT-4o将简单任务转化为复杂任务，从而将数据集扩展到76，000对，增加了150%。最终，约2，000个成功的行动序列被纳入到最终的训练集中。
尽管LAM展示了其在AI发展中的潜力，研究团队仍面临一些挑战，如AI行动可能出错的问题、监管的相关问题，以及在不同应用中扩展和适应的技术限制。不过，研究人员相信，LAM代表了AI发展的一次重要转变，预示着人工智能助手将能更积极地协助人类完成实际任务。
划重点:
🌟 LAM能够自主执行Windows程序，突破传统AI只会对话的局限。
⏱️ 在Word测试中，LAM成功完成任务的概率达到71%，比GPT-4o的63%更高，且执行速度更快。
📈 研究团队通过数据扩展策略，将任务计划对的数量增加到76，000对，进一步提升了模型的训练效果。
暂无评论