浙江大学の研究者たちは、人間の脳信号を活用してモデルの分類能力を向上させる新しいAIトレーニング手法を発表しました。この研究は、Nature Communicationsに掲載された論文で詳述されています。研究によると、モデルのパラメータを増やすことで特定の物体の認識は向上しますが、抽象的な概念の理解は向上せず、場合によっては妨げることさえあることが明らかになりました。神経活動データを統合することで、チームはAIモデルを人間の認知構造により密接に合わせ、概念の一般化と分類能力を向上させることを目指しています。 提案された手法は、特に抽象的な概念の認識を必要とするタスクにおいて、AIの性能を大幅に向上させることを示しました。実験では、最小限の例で抽象的な概念を区別する能力が20.5％向上し、大規模モデルを上回る結果を示しました。このアプローチは、モデルサイズの拡大という一般的な傾向に異議を唱え、構造化された認知の整合性が、人間のような思考能力を持つAIを開発する上で単なる規模の拡大よりも効果的である可能性を示唆しています。