Anwendung der Gedankenkette auf KI-gestütztes menschliches Denken – Ross Dawson

Zu den wichtigsten jüngsten Innovationen zur Verbesserung des Werts und der Zuverlässigkeit großer Sprachmodelle gehören Gedankenkette und seine Derivate einschließlich Baum des Gedankens und Graph des Denkens. 

Diese Strukturen sind auch für die effektive Gestaltung äußerst wertvoll Menschen + KI-Workflows für besseres Denken.

In diesem Artikel werde ich einen allgemeinen Überblick über Chain-of-Thought geben und mir dann die Anwendungen dafür ansehen KI-gestützte menschliche Intelligenz.

Gedankenkette

Large Language Models (LLMs) eignen sich im Allgemeinen hervorragend für die Textgenerierung, sind jedoch bei allen Aufgaben, die sequentielles Denken beinhalten, schlecht.

Das wegweisende Papier vom Januar 2022 Die Aufforderung zur Gedankenkette löst Argumentation in großen Sprachmodellen aus legte dar, wie eine Gedankenkette – „eine Reihe von Zwischenschritten des Denkens“ – die LLM-Leistung bei Denkaufgaben, einschließlich Mathematik und Rätseln mit gesundem Menschenverstand, erheblich verbessern könnte.

Sie haben dieses Bild wahrscheinlich schon gesehen das Papier die Runde machen.

Dieses Konzept wurde schnell auf andere Anwendungen angepasst, darunter zeitliches Denken, Visuelle Sprachmodelle, Retrieval Augmented Reasoningund viele andere Möglichkeiten zur Verbesserung der Leistung von KI-Modellen.

Die Gedankenkette hat sich in praktischen Problemlösungsanwendungen als besonders wertvoll erwiesen. Offensichtliche Beispiele sind: Medizin, Rechtswesen und Ausbildung. 

Googles PaLM und Med-PaLM enthalten Chain-of-Thought-Strukturen und GPT-4 von OpenAI sehr wahrscheinlich, was bedeutet, dass diese Ansätze bereits integriert sind, wenn Sie ein LLM verwenden. 

Dennoch ist die Aufforderung „Lassen Sie uns das Schritt für Schritt durchgehen, um sicherzustellen, dass wir die richtige Antwort haben“ oder Variationen davon bekannt bieten die beste LLM-Leistung für viele Aufgaben. 

Evolution der Gedankenkette

Aufbauend auf Chain-of-Thought sind zahlreiche Innovationen entstanden.

Effektive Argumentationsprozesse folgen nicht unbedingt einem einzigen Verlauf. Dies führt zu Baum des Gedankens Strukturen, beschrieben in Gedankenbaum: Bewusste Problemlösung mit großen Sprachmodellen.

Wie in diesem Diagramm aus dem Papier gezeigt, kann Chain-of-Thought zuerst den häufigsten Pfad aus mehreren Ausgaben auswählen und dann den besten aus mehreren Pfaden durch den Denkprozess auswählen. 

Zu den neueren Entwicklungen zu Chain-of-Thought gehören die sehr vielversprechenden Graph des Denkens und auch der Hypergraph-des-Gedankens. 

Neuartige „Denkstrukturen“ werden für den generativen KI-Fortschritt von zentraler Bedeutung sein 

Chain-of-Thought und verwandte Techniken wurden entwickelt, um die Einschränkungen von LLMs zu beseitigen und ihre Fähigkeiten zu verbessern. 

Der weitere Fortschritt generativer KI-Modelle wird weitaus mehr von solchen Techniken des strukturierten Denkens abhängen als von Rechenkapazität oder Modellgröße. Diese Ansätze haben es bereits ermöglicht kleine, effiziente LLMs, um Leistung zu erzielen was dem der größten Modelle nahe kommen kann. 

Chain-of-Thought und ähnliche Modelle führen ebenfalls direkt zu Multiagentenketten, bei dem Gedankenketten oder Netzwerke über mehrere aufgabenoptimierte Modelle verteilt werden, um weitaus bessere Überlegungen und Ergebnisse zu erzielen, als sie mit einem einzelnen Modell erreicht werden können.

Augmented Intelligence ist wichtiger als künstliche allgemeine Intelligenz

„Technologie sollte nicht darauf abzielen, den Menschen zu ersetzen, sondern die menschlichen Fähigkeiten zu erweitern.“ — Doug Engelbart

Die treibende Kraft hinter fast allen KI-Entwicklungen scheint die Schaffung von Maschinen zu sein, die die menschliche Intelligenz und Fähigkeiten nachahmen und möglicherweise sogar übertreffen können.

Das ist ein verständlicher Ehrgeiz.

Aber es interessiert mich viel, viel mehr wie KI die menschliche Intelligenz steigern kann.

Wir können an beiden Domänen gleichzeitig arbeiten.

Aber in jedem möglichen Szenario für Fortschritte in Richtung künstlicher allgemeiner Intelligenz werden wir besser dran sein, wenn wir mindestens die gleiche Energie in sie gesteckt haben Aufbau, Lernen und Anwendung von Denkstrukturen aus Mensch und KI.

Menschen + KI-Denkworkflows 

Der Begriff Menschen + KI steht im Mittelpunkt meiner Arbeit.

Das folgende Framework, das ich vor einem Jahr erstellt habe, zeigt meine frühe Gestaltung von „Arbeitsabläufe zwischen Mensch und KI„, bei dem Menschen und KI nacheinander die Aufgaben angehen, für die sie am besten geeignet sind.

Wenn es gut konzipiert ist, führt dies unweigerlich zu Ergebnissen, die über dem liegen, was jeder einzelne erreichen könnte. 

Seitdem beschäftige ich mich viel detaillierter mit den konkret besten Denkstrukturen zwischen Mensch und KI.

Dies werden die Grundlagen sein die nächste Phase der erweiterten menschlichen Intelligenz.

Gedankenkette für KI-gestütztes menschliches Denken

Die aus Chain-of-Thought hervorgehenden Konzepte wurden entwickelt, um die eigenständigen Fähigkeiten von LLMs zu verbessern.

Sie erweisen sich jedoch auch als äußerst wertvoll, wenn es darum geht, den Wert der Zusammenarbeit von Mensch und KI zu maximieren. 

Es gibt eine Reihe von Techniken zur Anwendung von Chain-of-Thought-Strukturen auf Denkabläufe von Menschen + KI.

KI-Konzepte angewendet auf Augmented Intelligence

LLMs können verwendet werden, um vorzuschlagen, wie Aufgaben in sequentielle (oder vernetzte) Elemente zerlegt werden können, wobei entweder Menschen oder KI ermitteln, wo menschliche oder KI-Fähigkeiten am besten geeignet sind.

Ein spezifischer Ansatz wird in beschrieben Human-in-the-Loop durch Chain-of-Thought, in dem „die manuelle Korrektur von Unterlogiken in Begründungen die Argumentationsleistung von LLM verbessern kann.“

Die Festlegung der Ziele, Aufgaben und Strukturen, wie im Arbeitsablaufdiagramm „Mensch + KI“ dargestellt, bestimmt die Qualität der Ergebnisse. Dies kann in der Regel am besten von Menschen überwacht werden, indem Abläufe wie KI zum Vorschlagen oder Bewerten von Parametern eingesetzt werden.

Ich integriere diese und andere Ansätze in eine Reihe von „KI-gestützten Denkmustern“.

Allgemeiner gesagt können eine Vielzahl von KI-Fortschritten, nicht nur Chain-of-Thought, äußerst nützlich zur Steigerung der menschlichen Intelligenz eingesetzt werden.  

Ich beabsichtige, einen ähnlichen Artikel über die Anwendung der Konzepte von zu schreiben Generative Adversarial Networks zu Symbiotische Intelligenz zwischen Mensch und KI Strukturen. 

Kurs über KI-gestütztes Denken und Entscheidungsfindung

Im Jahr 2024 konzentriere ich mich voll und ganz darauf, wie KI den Menschen verbessern kann.

Eine meiner zentralen Aktivitäten ist die Durchführung eines regelmäßigen Kohortenkurses zu Maven: KI-gestütztes Denken und Entscheidungsfindung. Weitere Informationen finden Sie unter dem Link.

Die nächste Kohorte startet am 8. Februar. Als Dankeschön, dass Sie diesen Artikel bis zum Ende gelesen haben, können Sie mit dem Coupon COTARTICLE 30 % Rabatt erhalten 🙂.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://rossdawson.com/applying-chain-of-thought-to-ai-enhanced-human-thinking/