Google-ի և Բերկլիի Կալիֆոռնիայի համալսարանի հետազոտողների թիմն առաջարկել է արհեստական բանականությունը (AI) մասշտաբային դարձնելու նոր մեթոդ:
Սա կոչվում է «հետազոտություն՝ որոնման ընթացքում», որը թույլ է տալիս մոդելին ստեղծել հարցման մի քանի պատասխան և ընտրել լավագույնը: Այս մոտեցումը կարող է բարելավել մոդելների աշխատանքը առանց լրացուցիչ վերապատրաստման: Սակայն դրսի փորձագետները կասկածներ ունեն այս ենթադրության մասով։
Նախկինում արհեստական բանականությունը բարելավելու հիմնական միջոցը մեծ լեզվական մոդելների (LLM) ուսուցումն էր ավելի մեծ քանակությամբ տվյալների վրա, ինչպես նաև, մոդելը գործարկելիս, հաշվողական հզորությունը մեծացնելն էր: Սա դարձել է օրենք AI առաջատար լաբորատորիաների մեծ մասի համար: Հետազոտողների կողմից առաջարկված նոր մեթոդը կայանում է նրանում, որ մոդելը օգտատերերի հարցմանն ի պատասխան, գեներացնում է բազմաթիվ հավանական պատասխաններ և հետո ընտրում է լավագույնը: Ինչպես նշում է TechCrunch-ը, սա զգալիորեն կբարելավի պատասխանների ճշգրտությունը նույնիսկ ավելի փոքր և հին մոդելների համար:
Որպես օրինակ՝ գիտնականները բերել են Gemini 1.5 Pro մոդելը, որը թողարկվել է Google-ի կողմից 2024 թվականի սկզբին։ Օգտագործելով եզրակացության ժամանակի որոնման տեխնիկան, ասվում է, որ մոդելը գերազանցել է OpenAI-ի հզոր o1-նախադիտումը մաթեմատիկայի և բնագիտական թեստերի մասով:
Սակայն մասնագետները նշում են, որ մեթոդն աշխատում է միայն այն դեպքում, երբ ճիշտ պատասխանը պարզ է և հստակ, ինչը անհնար է խնդիրների մեծ մասի դեպքում: Մեթոդը չի դարձնում մոդելներն ավելի խելացի, այլ պարզապես մեծացնում է լավագույն պատասխանը գտնելու համար պահանջվող հաշվարկների քանակը: Իրական պայմաններում այս մոտեցումը կարող է չափազանց ծախսատար և անարդյունավետ լինել:
