研究人员开发了一种基于突触电阻电路的超级图灵AI模型，具备实时推理和学习能力，显著提升了学习速度和适应性。该模型在动态环境中表现优于传统AI，能够有效指导无人机避障，为可持续人工智能发展提供了新思路。

本文介绍了一种新型无线人工智能方法，通过广播通信和子图采样，降低网络流量60%，加快学习速度，专为无线网络设计，提升通信效率和准确性。

阿尔伯塔大学的Richard Sutton教授团队提出了“奖励聚中”理论，通过减去奖励的平均值，使奖励以均值为中心，从而加快强化学习算法的学习速度。实验结果显示，该方法显著提升了算法性能，尤其在折现因子接近1时效果更佳。

调查显示，76%的开发者使用或计划使用AI编码工具，但信任度不高。42%信任AI输出，31%不信任。AI工具被认为能提高生产力和学习速度，但在复杂任务上表现不佳。66%对AI输出持怀疑态度，63%认为AI缺乏背景知识。尽管如此，AI在文档、测试和编码中的应用将增加。

研究人员开发了一种名为“估计、推断和定位”（EES）的算法，使机器人能够在陌生环境中自主练习，提高在实用任务中的表现。该算法通过视觉系统定位和跟踪机器人周围环境，估计机器人执行动作的可靠性，并决定是否需要继续练习。实验结果显示机器人在几个小时内能够学会特定技能，比以往的框架更高效。研究人员希望结合真实和虚拟练习，加速机器人的学习速度。该研究有助于创建能够自主进化和改进的家庭机器人。

人脑细胞在培养皿中学会打游戏，比AI学习速度快18倍还省电。生物计算机有机会发生翻天覆地进化。