معماری استدلال سلسلهمراتبی: هوش مصنوعی ۱۰۰ برابر سریعتر با دادههای بسیار کمتر
معماری استدلال سلسلهمراتبی هوش مصنوعی ۱۰۰ برابر سریعتر با دادههای بسیار کمتر, استارتاپ هوش مصنوعی با مقر در سنگاپور، معماری نوینی را معرفی کرده که در انجام وظایف استدلالی پیچیده، سرعت ۱۰۰ برابر مدلهای زبانی بزرگ (LLM) را با تنها ۱۰۰۰ نمونه آموزشی ارائه میدهد. این پیشرفت میتواند قواعد بازی در توسعه هوش مصنوعی سازمانی را تغییر دهد.
الهام از معماری مغز انسان این سیستم با نام مدل استدلال سلسلهمراتبی طراحی شده و الگوبرداری مستقیمی از نحوه عملکرد مغز انسان دارد. مغز از ترکیب سیستمهای سریع و شهودی (سیستم ۱) و سیستمهای کند، آگاهانه و برنامهریز (سیستم ۲) برای حل مسئله بهره میبرد.
محدودیتهای روش زنجیره افکار مدلهای زبانی بزرگ رایج برای استدلال پیچیده از تکنیک زنجیره افکار استفاده میکنند که در آن مسئله به مراحل متنی میانی تجزیه میشود.
محققان سنگاپوری معتقدند این روش راهحل نهایی نیست، چرا که متکی به تجزیههای از پیش تعریفشده و شکننده توسط انسان است یک خطای کوچک یا جابهجایی ترتیب مراحل میتواند کل استدلال را از ریل خارج کند نیاز به حجم عظیم داده آموزشی و محاسبه دارد استدلال نهفته کلید کارایی بالا جایگزین پیشنهادی، استدلال نهفته است.
شدت افزایش میدهد.
تأثیر بر کاربردهای واقعی هوش مصنوعی قدرت این معماری در انجام استدلال با دادههای بسیار محدود (فقط ۱۰۰۰ نمونه) و حافظه کم، آن را برای محیطهای سازمانی ایدهآل میسازد که در آنها دادههای برچسبگذاری شده نادر یا گران هستند و منابع محاسباتی محدودیت دارند. این پیشرفت میتواند استقرار هوش مصنوعی در مقیاس وسیع را تسریع کند.
