大多數人都熟悉向人類學習的人工智能機器。想想人形機器人Sophia或曾經在Jeopardy上競爭過的超級計算機Watson ！。但是，如果AI可以互相學習怎么辦？如果他們能在無需人工干預的情況下學會彼此交談，該怎么辦？那就是今年夏天計算機科學的客座助理教授David Perkins和他的研究小組正在探索的東西。

由Sosina Abuhay ‘23，Sam Aravilli ’23，Siqi Fang ‘23和Awildo Gutierrez ’23組成的小組一直在進行遠程會議，以訓練液態(tài)人工智能（LSM），這是一種人工智能，可以精確識別各種輸入。他們現在希望開始培訓多個LSM，以便彼此交互和通信，以完成更復雜的任務，而單個LSM無法單獨完成這些任務。

關于代碼類型的最簡單的解釋是，它可以像人腦一樣識別并響應模式，并且可以像人腦一樣進行訓練。LSM是神經網絡的一種特殊類型，這是一種基于大腦結構的算法，可以識別并響應模式?！澳仨毾駥Υ袡C體一樣對待液態(tài)機器……就好像您有這個孩子正在從頭開始學習某些東西一樣，”阿拉維利說。

根據Perkins的說法，大多數LSM研究都集中在訓練機器使其功能類似于其他類型的AI。他的小組的研究強調了LSM之間的通信，因此解決了未被充分評估的潛力。珀金斯說：“我們正在介入，試圖看看是否可以找到合適的市場并為這個只有5至10年歷史的新領域做出貢獻?！?/p>

學生們說，珀金斯鼓勵他們酌情指導和探索他們的研究。在教授提供有關研究過程的建議的同時，學生們在很大程度上回顧了其他研究，自學了一種新的編碼語言，編寫了代碼，并自行運行了代碼?！案杏X就像教授正在和我們一起學習。僅僅是他是一個更有經驗的研究人員，” Fang說。

珀金斯說：“我們原定于6月初開始，但他們提早數周開會，因此陷入了困境?！彼枋隽藢W生們對該項目的熱情和承諾?！拔宜龅闹皇墙o他們一些想法，他們可能會從這些想法開始，直到他們以后才開始……他們已經完成了98%的編碼，計劃和調度。我為這個團隊的合作表現感到驚訝?！?/p>