Мицрософтов алгоритам за расуђивање могао би учинити АИ паметнијим

Опонашање начина на који људи мисле може учинити рачунаре паметнијим, сугерише ново истраживање.

Мицрософт истраживачи су предложили нова техника обуке АИ под називом „Алгоритам мисли“ (АоТ), која има за циљ побољшање ефикасности и способности људског расуђивања великих језичких модела (ЛЛМ) као што је ЦхатГПТ. То је један од начина на који истраживачи покушавају да искористе људску оштроумност за јачање вештачке интелигенције (АИ).

Алгоритми машинског учења су веома јаки у идентификацији корелације, али не нужно узрочне везе", Алек Раимонд, шеф АИ у Доппл.аи, генеративна АИ компанија, рекла је за Лифевире у интервјуу е-поштом. „АИ не може да објасни своје резоновање на начин на који би то урадио човек. Људи имају утемељеније и симболичније разумевање света изведено из аксиоматске мудрости и емпиријског учења."

Тхинкинг Мацхинес

Истраживачи Мицрософта у свом новом раду тврде да би нова алгоритамска метода могла бити револуционарна „усмерава језички модел ка ефикаснијој путањи решавања проблема“, на основу објављеног истраживања папир. Техника користи „учење у контексту“, омогућавајући моделу да испита различита решења на структурисан начин.

Техника алгоритма мисли даје ЛЛМ-има могућност да ефикасно претражују кроз кораке резоновања решавања проблема, рекао је Рејмонд. Може дозволити моделима да имитирају понашање класичних алгоритама програмирања тако што ће се вратити на претходно израчунати корак и наставити одатле. На пример, замислите да тражите од ЛЛМ-а да вам обезбеди руту између две тачке на мапи, предложио је он.

„Једноставан ЛЛМ упит може имати лоше перформансе ако модел халуцинира и каже вам да прођете путем који је направио, или чак ако почне да губи кохерентност након много корака,“ рекао је он. „Са АоТ, ЛЛМ може бити обучен да прође кроз кораке решавања проблема као традиционални алгоритам за проналажење пута би, предузимајући само неопходне кораке уназад да стигне на одредиште ефикасно. Замислите то као студента информатике који учи алгоритме, ручно исписује кораке и решава више примера."

Кроз ланац мисли, људи разлажу проблем у ланац једноставних питања како би помогли ЛЛМ-има да изврше средње резоновање, Хонг Зхоу, директор Интеллигент Сервицес Гроуп & АИ Р&Д ат Вилеи, речено је путем мејла.

„Пошто сваки подпроблем има више могућих праваца за истраживање, стабло мисли пружа модалитете стабла одлучивања како би помогао ЛЛМ-има да свеобухватно истраже проблем“, додао је он. „Међутим, стабло мисли захтева више упита, док АоТ захтева само један упит да генерише цео процес размишљања.“

Будућност АИ?

Упркос њиховој моћи, ЛЛМ као што је ЦхатГПТ још увек имају дуг пут до тога, приметио је Рејмонд. Рекао је да би више развоја попут АоТ-а могло доћи у облику објашњив АИ.

„Када АИ буду могли да објасне своје размишљање као што би то урадио човек, омогућиће нам да учимо и растемо са њима“, додао је он. Како ови модели расту у капацитету, доћи ћемо до тачке у којој нам халуцинације и грешке више неће бити очигледне ако не изложе своје резоновање."

Нови алгоритамски приступи као што је АоТ могу побољшати квалитет и производњу ЛЛМ-а, предвиђа Еван Мацмиллан, извршни директор Гридспаце-а, путем е-поште.

„Произвођачи ЛЛМ-а су већ изузетно побољшали своје моделе уз малу количину повратних информација од људи“, додао је он. „Ако ЛЛМ могу да уче из сложенијих повратних информација и рада на послу, можемо очекивати још импресивније и ефикасније АИ системе.“

Нови Мицрософтов приступ долази након сугестија да се АИ развила да би разумјела попут људи. У марту, Мицрософтов истраживачки тим издао папир под називом „Искре вештачке опште интелигенције: рани експерименти са ГПТ-4“. Истраживачи тврде у документ да ГПТ-4 приказује назнаке онога што се обично назива „вештачка општа интелигенција“, или АГИ.

Мицрософтов АоТ је „корак у правом смеру“, али интелигенција слична људској је још увек далеко, Рагху Равинутала, извршни директор компаније АИ жута.аи, речено је у мејлу.

„За постизање тог циља биће потребан значајан напредак у различитим областима истраживања вештачке интелигенције како би се премостио јаз између тренутних могућности вештачке интелигенције и расуђивања на људском нивоу“, додао је он. „Бољи начин да се опише тренутно стање људског расуђивања у ЛЛМ-има је „сложено разумевање“.

Ажурирање 09.06.2023 - Исправљена атрибуција у параграфима 3 и 5.