Sistem yaratdığı bütün nümunələrdən istifadə etmir. Xüsusi seçim mexanizmi vasitəsilə öyrənmə baxımından daha faydalı hesab edilən məlumatlar müəyyənləşdirilir və model həmin nümunələr üzərində əlavə təlim keçir.
Google tədqiqatçıları yeni yanaşmanı müxtəlif sınaqlarda mövcud öyrənmə üsulları ilə müqayisə ediblər.
Şirkətin məlumatına görə, Mançu və Kalamang kimi az resurslu dillər üzərində aparılan tərcümə sınaqlarında sistem yeni tapşırıqları öyrənərkən əvvəlki bacarıqlarını böyük ölçüdə qoruyub. Ənənəvi əlavə təlim üsullarında isə yeni məlumatların mənimsənilməsi bəzi əvvəlki tapşırıqlarda nəticələrin zəifləməsinə səbəb olub.
Digər diqqətçəkən nəticə uzun mətnlərin emalı ilə bağlıdır. BABILong testində yeni sistem 10 milyon token həcmində kontekst daxilində məlumatları tapmaq və əlaqələndirmək üzrə çox yüksək nəticələr göstərib.
Tədqiqatçıların təqdim etdiyi nəticələrə əsasən, sistem bu sınaqlarda GPT-4 və Titans kimi yanaşmaları da geridə qoyub.
Yeni məlumatların qalıcı şəkildə mənimsənilməsi üzrə aparılan qiymətləndirmələrdə də irəliləyiş qeydə alınıb. SQuAD və davamlı ilkin təlim sınaqlarında sistem müvafiq olaraq 48,9 və 46,2 faiz nəticə əldə edib. Tədqiqatda bu göstəricilərin ənənəvi əlavə təlim və SEAL kimi alternativ yanaşmalardan yüksək olduğu bildirilir.
Bununla belə, yeni texnologiya hələ tədqiqat mərhələsindədir. Təqdim olunan nəticələr konkret eksperimental şəraitə aiddir və bu üsulun bütün süni intellekt modellərində eyni effektivliklə işləyəcəyi hələ təsdiqlənməyib.
Google-ın yanaşması gələcəkdə süni intellekt sistemlərinin hər dəfə tam yenidən öyrədilmədən yeni biliklər qazanmasına imkan yarada bilər. Bu isə daim yenilənən, əvvəlki məlumatlarını qoruyan və zaman keçdikcə öz bacarıqlarını inkişaf etdirən süni intellekt modellərinin hazırlanması istiqamətində mühüm addım hesab olunur.
