استفاده از زنجیره فکری برای تفکر انسانی تقویت شده با هوش مصنوعی - راس داوسون

بازنشر افلاطون

دنبال: 0

از جمله مهم‌ترین نوآوری‌های اخیر برای بهبود ارزش و قابلیت اطمینان مدل‌های زبان بزرگ هستند زنجیره ای از فکر و مشتقات آن از جمله درخت فکر و نمودار فکر.

این سازه ها در طراحی موثر نیز بسیار ارزشمند هستند گردش کار انسان + هوش مصنوعی برای تفکر بهتر.

در این مقاله من یک نمای سطح بالا از زنجیره فکر ارائه خواهم کرد و سپس به برنامه های کاربردی برای هوش انسانی افزوده شده با هوش مصنوعی.

زنجیره ای از فکر

مدل‌های زبان بزرگ (LLM) معمولاً در تولید متن عالی هستند، اما در هر کاری که مستلزم استدلال متوالی است ضعیف هستند.

مقاله برجسته ژانویه 2022 برانگیختن زنجیره‌ای از فکر، استدلال را در مدل‌های زبانی بزرگ برمی‌انگیزد نشان داد که چگونه یک زنجیره فکر - "یک سری مراحل استدلال میانی" - می تواند عملکرد LLM را در کارهای استدلالی از جمله ریاضیات و پازل های عامیانه به طور قابل توجهی بهبود بخشد.

شما احتمالا این تصویر را از کاغذ انجام دور

این مفهوم به سرعت با کاربردهای دیگر از جمله سازگار شد استدلال زمانی, مدل های زبان بصری, بازیابی استدلال تقویت شدهو بسیاری از راه های دیگر برای بهبود عملکرد مدل های هوش مصنوعی.

زنجیره فکر به ویژه در کاربردهای عملی حل مسئله ارزشمند است. نمونه های آشکار عبارتند از پزشکی, قانونو تحصیلات.

PalM و Med-PaLM گوگل ساختارهای زنجیره‌ای فکری را در خود جای داده‌اند و GPT-4 OpenAI به احتمال زیاد این کار را می‌کند، به این معنی که وقتی از یک LLM استفاده می‌کنید، این رویکردها قبلاً ساخته شده‌اند.

با این حال، دستور معروف "بیایید این را به صورت گام به گام حل کنیم تا مطمئن شویم که پاسخ درستی داریم" یا تغییراتی در این مورد بهترین عملکرد LLM را ارائه دهید برای بسیاری از انواع وظایف

تکامل زنجیره فکر

تعدادی از نوآوری ها با ایجاد زنجیره فکری پدید آمده اند.

فرآیندهای استدلال مؤثر لزوماً یک مسیر واحد را دنبال نمی کنند. این منجر به درخت فکر ساختارها، شرح داده شده در درخت افکار: حل عمدی مسئله با مدل های زبانی بزرگ.

همانطور که در این نمودار از مقاله نشان داده شده است، Chain-of-Thought می تواند ابتدا به سمت انتخاب پرتکرارترین مسیر از چندین خروجی، و سپس انتخاب از بهترین مسیرهای چندگانه از طریق فرآیند تفکر پیشرفت کند.

تحولات اخیر در زنجیره فکر شامل موارد بسیار امیدوارکننده است نمودار فکر همچنین هایپرگراف فکر.

ساختارهای جدید «تفکر» در پیشرفت هوش مصنوعی مولد نقش اساسی خواهند داشت

زنجیره‌ای از فکر و تکنیک‌های مرتبط برای رسیدگی به محدودیت‌های LLM و افزایش قابلیت‌های آن‌ها ایجاد شد.

پیشرفت مستمر مدل‌های هوش مصنوعی مولد بسیار بیشتر بر این نوع تکنیک‌های تفکر ساختاریافته متکی است تا ظرفیت محاسبه یا اندازه مدل. این رویکردها قبلاً فعال شده اند LLM های کوچک و کارآمد برای دستیابی به عملکرد که می تواند به بزرگترین مدل ها نزدیک شود.

زنجیره‌ای از فکر و مدل‌های مشابه نیز مستقیماً به زنجیره های چند عاملی، که در آن زنجیره‌ها یا شبکه‌های فکری در چندین مدل بهینه‌سازی کار قرار می‌گیرند تا استدلال و نتایج بسیار برتری نسبت به آنچه در یک مدل به دست می‌آید ایجاد کنند.

هوش افزوده مهمتر از هوش مصنوعی عمومی است

هدف فناوری نباید جایگزینی انسان باشد، بلکه باید توانایی‌های انسانی را تقویت کند.» - داگ انگلبارت

به نظر می‌رسد که نیروی محرکه در پشت تقریباً تمام توسعه‌های هوش مصنوعی، ایجاد ماشین‌هایی است که می‌توانند از هوش و قابلیت‌های انسان تقلید کنند و به طور بالقوه فراتر بروند.

این یک جاه طلبی قابل درک است.

اما من خیلی خیلی بیشتر به آن علاقه دارم چگونه هوش مصنوعی می تواند هوش انسان را تقویت کند.

ما می توانیم همزمان روی هر دو دامنه کار کنیم.

اما در هر سناریوی ممکن برای پیشرفت به سمت هوش مصنوعی عمومی، اگر حداقل انرژی برابر را صرف کرده باشیم، وضعیت بهتری خواهیم داشت. ساخت، یادگیری و به کارگیری ساختارهای تفکر انسان + هوش مصنوعی.

گردش کار تفکر انسان + هوش مصنوعی

مفهومی از انسان + هوش مصنوعی در قلب کار من قرار دارد

چارچوب زیر که یک سال پیش ایجاد کردم، کادربندی اولیه من از " را نشان می دهدگردش کار انسان + هوش مصنوعی"، که در آن افراد و هوش مصنوعی به طور متوالی به وظایفی می پردازند که برای آنها مناسب تر است.

اگر به خوبی طراحی شود، به ناچار نتایجی بهتر از آنچه که هر یک به تنهایی می‌توانست، ایجاد می‌کند.

از آن زمان، من جزئیات بسیار بیشتری را در مورد بهترین ساختارهای تفکر انسان و هوش مصنوعی بررسی کردم.

اینها پایه و اساس خواهند بود مرحله بعدی هوش انسانی تقویت شده.

زنجیره‌ای از فکر برای تفکر انسانی تقویت‌شده با هوش مصنوعی

مفاهیم ناشی از زنجیره فکر برای افزایش قابلیت‌های مستقل LLM توسعه داده شد.

با این حال آنها همچنین ثابت می کنند که در به حداکثر رساندن ارزش انسان و هوش مصنوعی با یکدیگر بسیار ارزشمند هستند.

طیفی از وجود دارد تکنیک‌های به کارگیری ساختارهای زنجیره‌ای از فکر برای انسان‌ها + گردش کار تفکر هوش مصنوعی.

مفاهیم هوش مصنوعی برای هوش افزوده اعمال می شود

از LLM ها می توان برای نشان دادن اینکه چگونه وظایف را می توان به عناصر متوالی (یا شبکه ای) تجزیه کرد، با این که انسان ها یا هوش مصنوعی مشخص می کنند که در کجا توانایی های انسان یا هوش مصنوعی مناسب ترین است.

یک رویکرد خاص در شرح داده شده است انسان در حلقه از طریق زنجیره فکر، که در آن "اصلاح دستی منطق های فرعی در منطق می تواند عملکرد استدلال LLM را بهبود بخشد."

همانطور که در نمودار گردش کار Humans + AI نشان داده شده است، "قاب بندی" اهداف، کار و ساختار، کیفیت نتایج را افزایش می دهد. این معمولاً با استفاده از جریان‌هایی مانند هوش مصنوعی که پارامترها را پیشنهاد می‌کند یا ارزیابی می‌کند، به بهترین وجه توسط انسان نظارت می‌شود.

من این و سایر رویکردها را در مجموعه ای از "الگوهای تفکر پیشرفته با هوش مصنوعی" ترکیب می کنم.

به طور کلی، طیف گسترده‌ای از پیشرفت‌های هوش مصنوعی، نه فقط زنجیره‌ای از فکر، می‌توانند به طور بسیار مفیدی برای تقویت هوش انسان اعمال شوند.

من قصد دارم مقاله ای مشابه در مورد کاربرد مفاهیم بنویسم شبکه های متخاصم مولد به هوش همزیستی انسان-AI سازه های.

دوره آموزشی تفکر و تصمیم گیری پیشرفته با هوش مصنوعی

تمرکز کامل من در سال 2024 این است که چگونه هوش مصنوعی می تواند انسان ها را تقویت کند.

یکی از فعالیت های اصلی من اجرای یک دوره همگروهی منظم در Maven است: تفکر و تصمیم گیری پیشرفته با هوش مصنوعی. برای جزئیات بیشتر لینک را بررسی کنید.

گروه بعدی از 8 فوریه شروع می شود. به عنوان تشکر از شما که تا پایان این مقاله را مطالعه کردید، می توانید با استفاده از کوپن 30٪ تخفیف دریافت کنید: COTARTICLE 🙂.