Ni Pesach Benson at Omer Novoselsky • Nobyembre 5, 2026

Jerusalem, 5 Nobyembre, 2026 (TPS-IL) — Ipinakita ng mga mananaliksik mula sa Tel Aviv University at Stanford University na ang mga modelo ng artificial intelligence (AI) ay maaaring makabuo ng mga pangkalahatang kakayahan sa pagkatuto nang hindi sinasanay sa real-world data, na potensyal na nagbubukas ng bagong landas para sa pagpapaunlad ng AI habang lalong nagiging salat ang mataas na kalidad na materyal sa pagsasanay.

Maaaring makatulong ang mga natuklasan na tugunan ang isa sa pinakamalaking limitasyon ng industriya: ang suplay ng training data na ginawa ng tao.

“Ipinapakita namin na ang isang modelo ay maaaring patuloy na maging mas mahusay sa paghula ng totoong teksto, mga larawan, audio, musika, DNA at code nang hindi kailanman sinanay sa alinman dito,” sinabi ni Dr. Yoav Levine sa The Press Service of Israel. Ang pag-aaral, na inilathala bilang isang preprint sa online research repository na arXiv, ay hindi pa sumasailalim sa peer review.

Ang pananaliksik ay pinangasiwaan ni Levine mula sa School of Computer Science and AI ng Tel Aviv University at isinagawa bilang bahagi ng postdoctoral work ni Dr. Kfir Dolev, sa pakikipagtulungan sa mga mananaliksik ng Stanford University.

Hindi tulad ng mga kumbensiyonal na AI system, na natututo mula sa napakalalaking koleksyon ng mga aklat, website, larawan at recording, ang bagong paraan ay gumagamit ng dalawang network na nagsisimula mula sa simula at magkasamang natututo. Ang isa ay gumagawa ng maiikling computer program na naglalabas ng mga sequence ng mga simbolo, habang ang isa naman ay natututong hulaan ang susunod na simbolo. Ang unang network ay tumatanggap ng feedback kung gaano kalaki ang naitutulong ng mga pagsasanay nito upang mapabuti ang ikalawa, na unti-unting natututong bumuo ng mas kapaki-pakinabang na mga hamon.

“Ang karaniwang palagay ay kailangan ng AI ang compute at data. Tinatanong namin kung gaano kalayo ang mararating mo nang walang data, batay lamang sa compute,” sinabi ni Levine sa TPS-IL.

Inihalintulad niya ang pamamaraan sa AlphaZero, na natutunan ang chess at Go sa pamamagitan ng self-play sa halip na pag-aralan ang mga laro ng tao. Nalaman ng mga mananaliksik na ang sariling pag-unlad ng learning model ay maaaring magsilbing sukatan ng tagumpay, na gumagabay sa kabilang network upang makabuo ng lalong kapaki-pakinabang na mga pagsasanay.

Upang masubukan kung nailipat ang mga kasanayan lampas sa artipisyal na pagsasanay, sinuri ng mga mananaliksik ang modelo sa real-world material na hindi pa nito nakasalamuha kailanman. Bumuti ang mga predictive ability nito sa ilang larangan habang dumarami ang computing resources na idinagdag. Nagawa rin nitong mahinuha ang mga patakaran mula sa mga halimbawang ipinakita habang sinusuri nang walang karagdagang pagsasanay.

Natuklasan din ng mga mananaliksik na independiyenteng nakabuo ang sistema ng mga mathematical structure, kabilang ang mga geometric sequence, mga pattern na tulad ng Fibonacci, at quadratic at cubic sequence. Sinabi ni Levine na walang lumitaw sa 164 milyong sapalarang na-sample na program mula sa parehong espasyo, na nagmumungkahing natuklasan ang mga ito ng sistema dahil nakatulong ang mga ito sa kapareha nito sa pagkatuto na gumawa ng mas mahuhusay na hula.

Higit Pa sa Bottleneck ng Data

Ang pamamaraan ay maaaring magbigay ng bagong pagkukunan ng training material sa mga larangan kung saan salat o mahal makuha ang data.

“Mahalaga ito kapag ang mataas na kalidad na data ang nagiging bottleneck, gaya ng inaasahan ng marami na mangyayari sa teksto o code na gawa ng tao, at higit pa sa mga larangan kung saan salat o mahal ang data,” sinabi ni Levine sa TPS-IL.

Maaari rin itong magsilbing panimulang yugto ng pagsasanay bago ang kumbensiyonal na pagsasanay ng AI. Sa kanilang mga eksperimento, natuklasan ng mga mananaliksik na ang mga modelong sumailalim sa self-generated exercises ay mas mabilis na natuto nang bigyan ng real-world data.

May mga malaking limitasyon, gayunpaman. Ang mga eksperimento ay kinasangkutan ng mga modelong may mas kaunti sa 25 milyong parameter, higit sa 10,000 beses na mas maliit kaysa sa pinakamalalaking AI system sa kasalukuyan. Kung mananatili ang mga resulta sa ganoong kalakihan ay nananatiling hindi alam. Sinabi ni Levine na sinisiyasat na ngayon ng mga mananaliksik kung ang pamamaraan ay maaaring mapalawak sa mga modelo na higit na mas malaki.

Hindi rin kayang palitan ng self-directed learning ang makatotohanang kaalaman tungkol sa mundo. Ang isang sistema ay maaaring makatuklas ng mga mathematical pattern sa pamamagitan ng computation, ngunit hindi nito kayang independiyenteng magtatag ng mga pangkasaysayang katotohanan o matuto tungkol sa pisikal na realidad nang hindi ito inoobserbahan.

“Nagtuturo ang self-play ng pangkalahatang istruktura, ang mga pattern na pinagsasaluhan sa maraming uri ng data, ngunit hindi ang mga katotohanan tungkol sa ating mundo, tulad ng kung sino ang sumulat ng Hamlet,” sinabi ni Levine sa TPS-IL. “Kailangan pa ring magmula ang mga iyon sa totoong data, kaya sa mga aspetong ito ay kinukumpleto nito ang data ng tao sa halip na palitan ito.”

Tinugunan din ng mga mananaliksik ang panganib ng mga AI system na umuulit at nagpapalakas ng sarili nilang mga pagkakamali.

“Ang aming learner ay nagsasanay sa kung ano ang inilalabas ng mga programa kapag aktwal na pinapatakbo ang mga ito. Ang data ay eksakto kung ano ang kinakalkula ng bawat programa, kaya walang mga hallucination na dapat patatagin,” paliwanag ni Levine sa TPS-IL. “Ang mga panganib na kinakaharap namin ay ang program-writer na maipit sa isang makitid na niche, malimutan ang natuklasan nito kanina, o dayain ang pabuya nito. Pinoprotektahan namin ito laban sa mga ito sa pamamagitan ng pagbibigay ng pabuya sa tunay na pag-unlad sa pagkatuto, pagpapanatili ng isang archive ng iba’t ibang programa, muling pagpapatakbo ng mga naunang programa upang hindi makalimutan ang mga ito, at pagpapanatili sa generator na malapit sa isang simpleng panimulang distribusyon sa mga programa.”

Ang susunod na malaking tagumpay, sinabi ni Levine, ay ang pagpapakita na gumagana ang pamamaraan sa mga modelong naglalaman ng bilyun-bilyong parameter at na ang self-generated training ay maaaring pumalit sa isang masusukat na dami ng kumbensiyonal na training data. Sa huli, nais matukoy ng mga mananaliksik kung ang isang modelo ng AI ay maaaring magpatuloy sa pagbuti sa pamamagitan ng self-play kahit na maubos na ang magagamit nitong real-world training material.