Cik Labi LLM Patiesībā Spēj Analizēt Sarežģītas Problēmas?
Generatīvās AI straujā attīstība un sarežģītu problēmu risināšana
Generatīvās mākslīgā intelekta ieviešana un attīstība ir bijusi tik strauja un intensīva, ka pat ir grūti aptvert, cik ļoti šī tehnoloģija ir mainījusi mūsu dzīvi.
Ja atskatāmies tikai trīs gadus atpakaļ, AI jau kļuva arvien izplatītāka, vismaz teorētiski. Vidējais cilvēks varēja norādīt vismaz vienu vai divas jomas, kur AI jau darbojās, veicot specializētus uzdevumus samērā labi kontrolētās vidēs. Tomēr viss, kas pārsniedza šo līmeni, vai nu bija pētniecības laboratorijās, vai vienkārši vēl nepastāvēja.
Salīdzinot ar mūsdienām, situācija ir kardināli mainījusies. Bez nepieciešamībām pēc īpašām prasmēm, izņemot spēju uzrakstīt teikumu vai uzdot jautājumu, mēs varam radīt unikālus attēlus, mūziku un pat filmas, kas spēj izmainīt veselas nozares. Mēs varam ievērojami paātrināt meklēšanas procesu, iegūstot pielāgotu saturu, kas var būt pietiekami kvalitatīvs, lai izskatītos pēc universitātes līmeņa pētījuma – vai trešās klases skolnieka darba, ja tāds ir mūsu vēlētais skatupunkts.
Daudzi cilvēki jau ir izmēģinājuši generatīvās AI rīkus, piemēram, ChatGPT vai Midjourney, bet daži tos ir iekļāvuši ikdienā. Attīstības temps ir tik ātrs, ka tas var būt pat mazliet satraucošs. Ņemot vērā pēdējo sešu mēnešu progresu, mūs neapšaubāmi gaidīs vēl daudz pārsteigumu turpmākajos gados.
FRAMES datu kopa un sarežģītu jautājumu analīze
Viens no svarīgākajiem rīkiem generatīvās AI jomā ir Retrieval-Augmented Generation (RAG) sistēmas, kuras spēj apstrādāt īpaši sarežģītus vaicājumus. FRAMES datu kopas ieviešana ir devusi ieskatu gan pašreizējā tehnoloģiju līmenī, gan nākotnes virzienos. Kopš tās izlaišanas 2024. gada beigās vairākas platformas jau ir uzstādījušas jaunus rekordus sarežģītu jautājumu analīzes veiksmē.
FRAMES datu kopa ietver 824 “multi-hop” jautājumus, kas prasa secinājumus, loģisku informācijas savienošanu, vairāku avotu izmantošanu un spēju apvienot visu kopā, lai sniegtu pareizo atbildi. Šie jautājumi ir ārkārtīgi sarežģīti un atspoguļo reālas izpētes problēmas, ar kurām cilvēki saskaras ikdienā, meklējot informāciju internetā.
Pētnieki atklāja, ka vadošās generatīvās AI modeļi spēja sasniegt aptuveni 40% precizitāti, izmantojot vienkāršākas metodes, bet, ja tiem tika ļauts apkopot visus nepieciešamos dokumentus, precizitāte varēja pieaugt līdz 73%. Lai gan 73% var nešķist revolucionārs, jāņem vērā, cik sarežģīti ir šie jautājumi.
Piemēram, viens no jautājumiem ir: “Kurā gadā dzimis orķestra vadītājs, kura grupa ir izpildījusi dziesmu, kas tika izmantota Kanye West dziesmā ‘Power’?” Lai atrisinātu šo problēmu, AI ir jāveic vairāki soļi, tostarp jāatrod paraugdziesma, jāidentificē grupa un tās vadītājs, un tikai tad jānosaka dzimšanas gads.
Decentralizētās un atvērtā koda platformas
Interesanti ir divi aspekti. Pirmkārt, decentralizēto generatīvās AI modeļu spēja ne tikai konkurēt, bet pat pārspēt centralizētos risinājumus. Vairāk uzņēmumu izmanto decentralizētu pieeju, lai mērogotu savas apstrādes iespējas, vienlaikus nodrošinot, ka liela kopiena pieder programmatūrai, nevis centralizētai “melnajai kastēi”.
Otrkārt, daži no šiem modeļiem ir atvērtā koda, piemēram, Sentient Chat. Tas ne tikai pārspēj FRAMES standartus, bet arī nodrošina ieskatu savā domāšanas procesā. Vēl interesantāk ir tas, ka šī platforma sastāv no vairākiem modeļiem, kas var pielāgot noteiktu skatupunktu. Piemēram, nesen izstrādātais “Dobby 8B” modelis ne tikai pārspēj FRAMES, bet arī attīsta izteiktu pro-kripto un brīvības atbalstošu attieksmi, kas ietekmē tā atbildes.
Nākotnes perspektīvas
Šo pārsteidzošo inovāciju pamatā ir ātrums, ar kādu mēs esam nonākuši šeit. Jāapzinās, ka tehnoloģijas attīstīsies vēl ātrāk nākotnē. Īpaši ar decentralizētiem un atvērtā koda modeļiem mēs redzēsim, kad sistēmu intelekts sāks pārspēt cilvēka spējas, un kādas sekas tas nesīs.
https://www.unite.ai/