关于 OpenAI 的 Q-STAR 有一个未经证实的泄漏，这是一个对话系统，据说利用基于能量的模型 （EBM） 来生成响应。据报道，Q-STAR与传统的自回归令牌预测方法不同，它在复杂问题解决过程中模仿了类似人类的内部审议。该系统旨在推断潜在变量，改变对话系统的操作方法。

Q-STAR是一种基于能量的模型（EBM）。这种方法与当今大多数人工智能系统使用的方法不同。EBM 不是一次猜测一个单词，而是一次查看整个响应。他们试图找到最适合问题的答案，比如找到拼图中缺失的部分。这个想法是让对话更顺畅，这样人工智能就可以像人类一样理解和回答复杂的问题。

为了达到这个目标，Q-STAR必须经过大量的训练。这就像通过逐渐调整他们造句的方式来教孩子说话。该系统使用特殊的学习技术来更好地进行有意义且与您正在谈论的内容相关的对话。

OpenAI Q-STAR的

这种新方法可以大大改善人工智能系统编写文本的方式。我们不只是在谈论让他们更善于聊天;我们正在研究能够以更接近人们的方式思考和推理的人工智能。目标是创建可以与之交谈的人工智能，甚至没有意识到您不是在与人类交谈。

基于能源的 AI 模型 （EBM）

但并不是每个人都相信。有些人质疑Q-STAR是否真的像听起来那样新颖和令人兴奋。他们问这是否只是穿着新衣服的旧想法。事实上，我们在人工智能社区进行此类讨论时就开始听说 Q-STAR，这让一些人更加怀疑。

尽管存在疑问，但人们对基于能源的模型很感兴趣。不仅仅是 OpenAI 在研究它们;Meta（前身为 Facebook）也在探索如何使用它们。这表明，人工智能领域的一些知名人士认为EBM可能是制作更好的对话系统的关键。那么，这一切对人工智能的未来意味着什么？好吧，每个人都在等着看Q-STAR到底能做什么。细节仍处于保密状态，但其背后的想法很明确：我们正在推动人工智能，它可以像另一个人一样与我们交谈。无论Q-STAR本身是向前迈出的一大步，还是只是另一个没有成功的想法，寻找可以进行对话的人工智能正在全力推进。

Q-STAR 我们目前所知道的

现在，让我们更深入地了解 Q-STAR 和基于能量的模型是如何工作的。想象一下，您正试图找到前往朋友家的最佳路线。你可以一次猜出一个转弯，但看地图并一次看到整个路线要快得多。这就是 EBM 在对话中所做的。他们会查看所有可能的回答，并选择似乎最适合您所说的回答。

这个过程使用了一种叫做梯度下降的东西，这是一种寻找最佳答案的奇特方法。这就像把一个球滚下山坡，直到它落在最低点。对于Q-STAR来说，最低点是感觉最自然、对对话最有意义的反应。训练Q-STAR做到这一点并不容易。这是一个微妙的调整和调整过程，直到系统恰到好处。

人工智能必须学习好对话和坏对话之间的区别，以及如何确保它始终以好的方向为目标。这样做的潜在好处是巨大的。我们可以看到人工智能更擅长写故事，帮助你提供客户服务，甚至提供治疗。这是关于制造能够理解我们的机器，并以更人性化的方式帮助我们。

但重要的是要记住，我们仍处于这项技术的早期阶段。Q-STAR是一大步，但这只是更大旅程的一部分。随着我们不断改进人工智能，我们将看到越来越接近与我们进行真正对话的系统。不过，就目前而言，我们正在等着看Q-STAR在现实世界中的表现。它会辜负炒作，还是会是另一个有趣的实验，但并不完全成功？只有时间会证明一切。但有一件事是肯定的：在Q-STAR和基于能量的模型上所做的工作正在使我们更接近一个未来，在这个未来中，与机器交谈就像与你旁边的人交谈一样简单和自然。