Tekoälyn (AI) alalla suurten kielimallien (LLM) esiintulo on epäilemättä mullistanut koneiden kyvykkyydet. Transformatiivisen transformer-arkkitehtuurin ansiosta LLM:t ovat osoittaneet huomattavia kykyjä, kuten tekstien generointi, ongelmanratkaisu ja ymmärtäminen, jotka muistuttavat läheltä ihmisen ajattelua. Yksi asia, jota tutkijat jatkuvasti pyrkivät parantamaan, on näiden LLM:ien päättely- ja ongelmanratkaisutaidot.
University of Southern Californiassa (USC) ja Googlessa toimivat tutkijat ovat ottaneet merkittävän harppauksen eteenpäin uusimman SELF-DISCOVER-nimisen kehyksensä myötä. SELF-DISCOVER on suunniteltu erityisesti parantamaan suurten kielimallien, kuten GPT-4:n ja PaLM 2:n, päättelytaidot, käsitellen tavallisten kehotustekniikoiden rajoituksia monimutkaisten ongelmanratkaisutehtävien edessä.
SELF-DISCOVERin sydämessä on ainutlaatuinen itsetutkimusprosessi, joka mahdollistaa LLM:ien tunnistaa ja soveltaa synnynnäisiä päättelyrakenteita, jotka sopivat parhaiten annettuun tehtävään. Atomisten päättelymoduulien, kuten kriittisen ajattelun ja vaiheittaisen proseduraalisen ajattelun, läpikäymisen avulla LLM:t voivat rakentaa loogisen rakenteen, joka muistuttaa läheltä ihmisen päättelyä.
SELF-DISCOVERin arviointitulokset ovat vaikuttavia. Se osoitti jopa 32 % suuremman suorituskyvyn parannuksen verrattuna tavanomaisiin ajattelukeinoihin (CoT) erilaisissa vaativissa päättelymittareissa. Tämä parannus on havaittavissa paitsi matemaattisissa tehtävissä, myös maadoitetun agentin päättelyskenaarioissa ja monimutkaisilla aloilla. SELF-DISCOVER esitteli korkeamman suorituskyvyn ja tehokkuuden verrattuna muihin päätelmäintensiivisiin lähestymistapoihin, vaatiessaan huomattavasti vähemmän päätelmien laskentaa.
SELF-DISCOVERin merkitys ulottuu tekoälytutkimuksen ulkopuolelle. Sen soveltuvuus reaalimaailman sovelluksiin ja alhaisempi prosessointivaatimus tekevät siitä houkuttelevan vaihtoehdon LLM-päättelytaitojen parantamiseksi. SELF-DISCOVERin esittelyn myötä tekoälyn ja ihmisen kognitiivisten prosessien välinen kuilu kapenee, avautuen uusia mahdollisuuksia tehokkaampiin ja tehokkaampiin lähestymistapoihin vaikeisiin päättelyongelmiin.
Tutkijoiden takana SELF-DISCOVERin käsittelemisen ansaitseminen on tärkeää, kun tutkimme LLM:ien potentiaalia. Heidän innovatiivinen kehikkonsa antaa meille vilauksen tulevaisuudesta, jossa koneilla on monimutkaisempia ja ihmisen kaltaisia päättelykykyjä. Pysyäksesi ajan tasalla tämän alan uusimmista edistysaskeleista, seuraa meitä Twitterissä ja Googlen uutisissa, liity ML SubRedditiin, Facebook-yhteisöön, Discord-kanavaan, LinkedIn-ryhmään ja tilaa uutiskirjeemme. Jännittävät ajat odottavat meitä, kun jatkamme tekoälyn mysteerien selvittämistä.
UKK:
The source of the article is from the blog rugbynews.at