Naukowcy z dziedziny AI zaproponowali nową metodę o nazwie Preference-PCA Pluralistic Learning (P3L), która pozwala na trenowanie systemów AI na podstawie rozmaitych i czasem sprzecznych preferencji wielu użytkowników bez ujawniania ich tożsamości. Problem polega na tym, że dotychczasowe podejścia do alignacji wieloaspektowej wymagały wiedzy o tym, kto dokładnie daje feedback, oraz opierały się na zaawansowanych wstępnie wytrenowanych reprezentacjach. P3L rozwiązuje to zagadnienie poprzez jednoczesne uczenie się osadzeń trajektorii i wspólnej bazy kierunków preferencji za pomocą dekompozycji PCA.
Metoda ma praktyczne znaczenie dla personalizacji AI. Podczas testowania system szybko nauczył się dostosowywać zachowanie do indywidualnych użytkowników i potrafił to robić nawet dla osób, które nie było w zbiorze treningowym. Eksperymendy obejmowały zadania sterowania robotami, gdzie P3L osiągnęło konkurencyjne wyniki w nauce RL i testach, jednocześnie znacznie zmniejszając koszt obliczeniowy.
Wykrycie tego podejścia jest ważne, ponieważ pokazuje, jak można budować systemy AI adaptacyjne do wielu użytkowników z różnymi potrzebami, zachowując przy tym prywatność. Zamiast przechowywać dane o tym, kto wydał opinię, metoda uczy się ogólnych wzorców preferencji. To otwiera perspektywę na lepszą personalizację asystentów AI bez konieczności zbierania i przetwarzania danych osobowych - rozwiązanie szczególnie istotne w erze rosnących wymogów ochrony prywatności.