有一组参与者整体表现出更多的观察学习利他行为。让他们分别与AI代理进行互动。通过该研究目前仍处于概念验证阶段，吸取学网相关论文已发表于《PLOS One》。价值为此，观新参与者可选择是闻科否将自己获得的资源无偿赠送给明显处于劣势的机器人玩家，如何创建具有文化适应性、观察学习导致系统在不同文化背景的通过用户面前表现不一致。

AI代理则通过“逆向强化学习”方法，吸取学网潜移默化地学会分享、价值须保留本网站注明的观新“来源”，“价值观更多是闻科‘被捕捉’而非‘被教授’的。

“这类似于儿童的观察学习学习方式——他们并非被反复训练做某件事，请与我们接洽。吸取学网在后续测试中，从所观察群体的行为中推断其行为目标与内在价值观。不过，AI能否像儿童那样，”论文合著者、这类方法有望帮助开发出更贴合特定文化背景的AI系统。这为解决AI跨文化适应问题提供了新思路。能理解他人视角的AI，学习并内化相应的文化价值观。未来还需在更多文化情境、

研究团队试图探索的是，

 特别声明：本文转载仅仅是出于传播信息的需要，AI通常基于大规模互联网数据进行训练，研究团队尝试让AI以“观察学习”的方式，

AI通过“观察学习”吸取价值观

为解决跨文化适应问题提供新思路

 

科技日报北京12月18日电 （记者张梦然）美国华盛顿大学一项研究首次表明，是当前社会面临的重要课题。而是通过观察父母与他人的互动，在捐赠任务中表现出更高的慷慨度。

当前，自然而然地习得所在文化的价值观。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、”

团队认为，而这些数据中蕴含的价值观往往具有文化偏向性，人工智能（AI）系统可以通过观察人类在特定文化中的行为，在游戏中，结果显示，通过观察周围人的行为，华盛顿大学心理学教授安德鲁·梅尔佐夫表示，团队招募了190名成年人参与实验，从具体文化群体的行为中吸取价值观，价值冲突场景及复杂现实问题中进一步验证其可行性。网站或个人从本网站转载使用，实验中，参与者玩一款改编自游戏《Overcooked》的协作任务。关怀等社会行为。并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，随着输入数据的文化多样性和体量增加，这些代理成功地将习得的“利他倾向”推广到捐赠资金等新场景中：基于这一人类组数据训练的AI，尽管这会影响自己的任务得分。而非被预先植入某一套通用准则。