Дослідники з Google DeepMind Девід Сілвер та Річард Саттон запропонували новий підхід до розвитку генеративного ШІ, який базується на ідеї так званих «streams» — безперервних потоків досвіду для моделей. На їхню думку, сучасні великі мовні моделі обмежені короткими сесіями взаємодії із користувачами, що не дозволяє моделі накопичувати власний досвід та формувати довгострокові цілі. Запропонований підхід передбачає, що ШІ матиме можливість постійно взаємодіяти із навколишнім світом, отримувати сигнали від середовища та самостійно навчатися на основі отриманого досвіду.
Сілвер та Саттон відзначають, що сучасні мовні моделі орієнтовані на виконання окремих запитів користувачів, покладаючись на людське оцінювання та підказки. У новій концепції «streams» ШІ зможе самостійно знаходити корисні стратегії, орієнтуючись на різноманітні сигнали з реального світу — такі як продуктивність, точність, економічні показники, здоров’я або інші метрики. Це дозволить моделі адаптуватися до змін середовища та краще відповідати на складні або нетипові запити.
При реалізації цього підходу ШІ-асистенти можуть стати більш корисними для користувачів у довгострокових завданнях — наприклад, відстежувати сон і харчування для покращення здоров’я або допомагати у вивченні мов, враховуючи поступ за тривалий період. Такі агенти зможуть аналізувати динаміку змін, накопичувати знання та пропонувати рекомендації, що враховують індивідуальний прогрес користувача.
Дослідники також зазначили, що подібний підхід вже частково реалізується у прототипах агентів, які можуть працювати з комп’ютерами через стандартні інтерфейси, як це роблять люди. Вони вважають, що розвиток моделей, які вчаться на власному досвіді, може відкрити нові можливості для ШІ у різних сферах — від науки до освіти, а також підвищити адаптивність і чутливість до потреб користувачів.
