Propomos o Liquid AI, uma estrutura arquitetônica para sistemas de inteligência artificial capazes de adaptação estrutural contínua e desenvolvimento autônomo de capacidades. Ao contrário das abordagens existentes em aprendizado contínuo e busca de arquitetura neural que operam dentro de restrições predeterminadas, o Liquid AI implementa três mecanismos inovadores: (1) gráficos de conhecimento hiperdimensionais guiados por entropia que se reestruturam autonomamente com base em critérios teórico-informacionais; (2) um motor de auto-desenvolvimento usando otimização bayesiana hierárquica para modificação da arquitetura em tempo real; e (3) uma estrutura federada de múltiplos agentes com especialização emergente através de aprendizado por reforço distribuído. Nossa estrutura aborda limitações fundamentais nos sistemas de IA atuais—arquiteturas estáticas, domínios de conhecimento isolados e evolução dependente de humanos—por meio de processos matematicamente formalizados de ajuste dinâmico de parâmetros, auto-modificação estrutural e síntese de conhecimento entre domínios. Apresentamos especificações arquitetônicas, limites de convergência teórica para sistemas que se auto-modificam, e critérios de avaliação para sistemas de IA adaptativa. Considerações de implementação abordam complexidade computacional e requisitos de computação distribuída. Este trabalho estabelece fundamentos teóricos e arquitetônicos para um novo paradigma em inteligência artificial que transita de treinamento episódico para desenvolvimento autônomo persistente. Ao possibilitar adaptação estrutural em tempo real, integração de conhecimento entre domínios e emergência de inteligência colaborativa, o Liquid AI fornece um plano para sistemas de IA que evoluem continuamente para enfrentar desafios complexos sem intervenção humana.
Caulfield et al. (Mon,) estudaram essa questão.