Jeśli uważasz, że sztuczna inteligencja polega wyłącznie na tworzeniu coraz większych modeli, firma Sakana AI zamierza to zmienić. Ten tokijski startup właśnie zaprezentował TreeQuest – nową, sprytną metodę, która pozwala zespołom dużych modeli językowych (LLM) współpracować ze sobą – trochę jak orkiestra pod batutą dyrygenta, zamiast polegać na jednym solisty, który wykonuje całą pracę.
W czym więc tkwi sekret? TreeQuest czerpie z techniki stosowanej w świecie sztucznej inteligencji wykorzystywanej w grach — Monte-Carlo Tree Search (MCTS), tej samej strategii, która stała za sukcesem AlphaGo. Jednak zamiast szachownicy czy kamieni do gry w Go, TreeQuest wykorzystuje to podejście do koordynowania pracy wielu modeli LLM w czasie rzeczywistym, wybierając najlepszy model “wiodący” dla każdej części zadania i pozwalając pozostałym modelom wnieść swój wkład tam, gdzie ich mocne strony są najbardziej potrzebne. Zamiast trzymać się jednej odpowiedzi wygenerowanej przez pojedynczy model, TreeQuest traktuje rozwiązywanie problemów jak sport zespołowy, podejmując decyzje wspólnie na każdym etapie.
Wyniki te zasługują na uwagę. Jak wykazały testy przeprowadzone przez Sakana AI, grupy modeli koordynowane przez TreeQuest osiągnęły w szeregu testów porównawczych wynik o 30% lepszy od najlepszych pojedynczych modeli LLM. Obejmuje to trudne zadania, takie jak rozwiązywanie zawiłych łamigłówek logicznych, generowanie kodu komputerowego oraz odpowiadanie na złożone, wieloetapowe pytania – obszary, w których modele LLM często napotykają trudności, działając samodzielnie. Zamiast sytuacji, w której jeden model utknie, inny może kontynuować pracę z niedoskonałą odpowiedzią i poprowadzić zespół do prawidłowego rozwiązania.
Dlaczego miałoby to mieć znaczenie dla kogokolwiek spoza laboratorium? Jeśli zależy Ci na tym, by sztuczna inteligencja stała się bardziej przystępna cenowo i wydajna – czy to w biznesie, badaniach naukowych, technologii konsumenckiej, czy praktycznie w każdej dziedzinie wykorzystującej inteligentne oprogramowanie – TreeQuest oferuje intrygującą ścieżkę. Połączenie możliwości mniejszych lub wyspecjalizowanych modeli może zapewnić lepszą wydajność przy niższych kosztach obliczeniowych, pozwalając uniknąć kosztownego wyścigu zbrojeń polegającego na nieustannym skalowaniu pojedynczego modelu. Innymi słowy: chodzi o współpracę, a nie o siłę brute force.
TreeQuest dopiero stawia pierwsze kroki, ale podejście firmy Sakana AI już teraz przyciąga uwagę w branży. Planują oni dalsze udoskonalanie tej metody, badanie jej interakcji z innymi systemami sztucznej inteligencji oraz sprawdzenie, jak daleko można posunąć się w realizacji koncepcji “wiele umysłów, jedno zadanie”. Jeśli im się to uda, twórcy sztucznej inteligencji mogą wkrótce zacząć postrzegać pracę zespołową jako podstawową zasadę przy projektowaniu najbardziej zaawansowanych modeli, zamiast nieustannie dążyć do tworzenia modeli o jak największej skali.
Przeczytaj cały artykuł tutaj: VentureBeat.
Ta strona używa plików cookie.