Ajatusketjun soveltaminen tekoälyn tehostettuun ihmisen ajatteluun – Ross Dawson

Tärkeimpiä viimeaikaisia ​​innovaatioita Large Language Models -mallien arvon ja luotettavuuden parantamiseksi ovat Ajatusketju ja sen johdannaiset mukaan lukien Ajatuksen puu ja Ajatuskaavio. 

Nämä rakenteet ovat myös erittäin arvokkaita tehokkaan suunnittelun kannalta Ihmiset + tekoäly -työnkulut ajattelun parantamiseksi.

Tässä artikkelissa annan korkean tason näkemyksen ajatusketjusta ja tarkastelen sitten sovelluksia AI-lisätty ihmisäly.

Ajatusketju

Suuret kielimallit (LLM) ovat yleensä erinomaisia ​​tekstin luomisessa, mutta huonoja kaikissa tehtävissä, joihin liittyy peräkkäistä päättelyä.

Merkittävä tammikuun 2022 lehti Ajatusketjun kehotus saa aikaan päättelyn suurissa kielimalleissa esitti, kuinka ajatusketju - "sarja välipohjaisia ​​päättelyvaiheita" - voisi merkittävästi parantaa LLM:n suorituskykyä päättelytehtävissä, mukaan lukien matematiikka ja järkeviä pulmia.

Olet todennäköisesti nähnyt tämän kuvan paperi tekemässä kierroksia.

Tämä konsepti mukautettiin nopeasti muihin sovelluksiin, mukaan lukien ajallinen päättely, visuaalisia kielimalleja, haun lisätty päättelyja monia muita tapoja parantaa tekoälymallien suorituskykyä.

Ajatusketju on osoittautunut erityisen arvokkaaksi käytännön ongelmanratkaisusovelluksissa. Selkeitä esimerkkejä ovat mm lääketiede, lakija koulutus. 

Googlen PaLM ja Med-PaLM sisältävät ajatusketjun rakenteita, ja OpenAI:n GPT-4 hyvin todennäköisesti tekee, eli kun käytät LLM:ää, nämä lähestymistavat ovat jo sisäänrakennettuja. 

Siitä huolimatta tunnetusti kehote "Otetaan tämä läpi askel askeleelta varmistaaksemme, että meillä on oikea vastaus" tai muunnelmia tästä antaa parhaan LLM-suorituskyvyn monenlaisiin tehtäviin. 

Ajatusketjun evoluutio

Ajatusketjun pohjalta on syntynyt useita innovaatioita.

Tehokkaat päättelyprosessit eivät välttämättä seuraa yhtä liikerataa. Tämä johtaa Ajatuksen puu rakenteet, kuvattu kohdassa Ajatuspuu: Tarkoitettu ongelmanratkaisu suurilla kielimalleilla.

Kuten tässä paperin kaaviossa näkyy, Ajatusketju voi edetä ensin yleisimmän polun valitsemiseen useista lähdöistä ja sitten valita useista poluista paras ajatteluprosessin läpi. 

Ajatusketjun viimeaikainen kehitys sisältää erittäin lupaavan Ajatuskaavio sekä Hypergraph-of-Thought. 

Uudet "ajattelevat" rakenteet ovat keskeisiä generatiivisen tekoälyn kehityksessä 

Ajatusketju ja siihen liittyvät tekniikat luotiin vastaamaan LLM:ien rajoituksiin ja parantamaan heidän kykyjään. 

Generatiivisten tekoälymallien jatkuva kehitys riippuu paljon enemmän tällaisista strukturoiduista ajattelutekniikoista kuin laskentakapasiteetista tai mallin koosta. Nämä lähestymistavat ovat jo mahdollistaneet pienet, tehokkaat LLM:t suorituskyvyn saavuttamiseksi joka voi lähestyä suurimpia malleja. 

Chain-of-thought ja vastaavat mallit johtavat myös suoraan monen agentin ketjut, jossa ajatusketjut tai -verkostot asetetaan useisiin tehtäviin optimoituihin malleihin luomaan paljon parempia päättelyjä ja tuloksia kuin yhdellä mallilla voidaan saavuttaa.

Lisätty älykkyys on tärkeämpää kuin yleinen tekoäly

"Teknologian ei pitäisi pyrkiä korvaamaan ihmisiä, vaan pikemminkin vahvistaa ihmisen kykyjä." - Doug Engelbart

Lähes kaiken tekoälykehityksen liikkeellepaneva voima näyttää olevan sellaisten koneiden luominen, jotka voivat jäljitellä ja mahdollisesti ylittää ihmisen älykkyyden ja kyvyt.

Se on ymmärrettävä tavoite.

Mutta minua kiinnostaa paljon enemmän miten tekoäly voi lisätä ihmisen älykkyyttä.

Voimme työskennellä molemmilla aloilla kerralla.

Mutta kaikissa mahdollisissa skenaarioissa, jotka koskevat yleistä tekoälyä, olemme parempia, jos olemme käyttäneet vähintään yhtä paljon energiaa rakentaa, oppia ja soveltaa Human + AI -ajattelurakenteita.

Ihmiset + tekoälyn ajattelun työnkulku 

Käsite Ihmiset + tekoäly on työni ytimessä.

Alla oleva vuosi sitten luomani kehys näyttää varhaisen kehystykseni "Ihmiset + tekoäly -työnkulut", jossa ihmiset ja tekoäly käsittelevät peräkkäin tehtäviä, joihin he sopivat parhaiten.

Jos se on hyvin suunniteltu, se tuottaa väistämättä parempia tuloksia kuin kukin voisi yksinään. 

Siitä lähtien olen kaivannut paljon yksityiskohtaisemmin, mitkä ovat parhaat Ihmiset + AI -ajattelurakenteet.

Nämä ovat perusta lisätyn ihmisälyn seuraava vaihe.

Tekoälyllä tehostetun ihmisen ajattelun ajatusketju

Chain-of-thoughtista johtuvat konseptit kehitettiin parantamaan LLM:n itsenäisiä ominaisuuksia.

Ne osoittautuvat kuitenkin myös erittäin arvokkaiksi ihmisten ja tekoälyn yhteistyön arvon maksimoinnissa. 

On olemassa erilaisia tekniikoita ajatusketjun rakenteiden soveltamiseksi ihmisiin + tekoälyn ajattelun työnkulkuihin.

AI-konseptit, joita sovelletaan lisättyyn älykkyyteen

LLM:ien avulla voidaan ehdottaa, kuinka tehtävät voidaan jakaa peräkkäisiksi (tai verkottuneiksi) elementeiksi, jolloin joko ihmiset tai tekoäly tunnistavat, missä ihmisen tai tekoälyn ominaisuudet voivat sopia parhaiten.

Yksi erityinen lähestymistapa on kuvattu kohdassa Ihminen silmukassa ajatusketjun kautta, jossa "allogiikan manuaalinen korjaus perusteluissa voi parantaa LLM:n päättelykykyä".

Tavoitteiden, tehtävän ja rakenteen "kehystäminen", kuten Ihmiset + tekoäly -työnkulkukaaviossa näkyy, vaikuttaa tulosten laatuun. Ihmiset valvovat tätä yleensä parhaiten käyttämällä virtoja, kuten tekoälyä ehdottamalla tai arvioimalla parametreja.

Yhdistän nämä ja muut lähestymistavat "AI-Enhanced Thinking Patterns" -sarjaan.

Yleisemminkin monenlaisia ​​tekoälyn edistysaskeleita, ei vain Ajatusketjua, voidaan soveltaa erittäin hyödyllisesti ihmisen älykkyyden lisäämiseen.  

Aion kirjoittaa samanlaisen artikkelin käsitteiden soveltamisesta Generatiiviset kilpailevat verkot että Ihmisen ja tekoälyn symbioottinen älykkyys rakenteita. 

Tekoälyn tehostetun ajattelun ja päätöksenteon kurssi

Vuonna 2024 keskityn täysin siihen, kuinka tekoäly voi lisätä ihmisiä.

Yksi keskeisistä toiminnoistani on säännöllisen kohorttikurssin pitäminen Mavenissa: Tekoälyllä tehostettu ajattelu ja päätöksenteko. Katso lisätietoja linkistä.

Seuraava kohortti alkaa 8. helmikuuta. Kiitos, että luit tämän artikkelin loppuun, saat 30% alennuksen käyttämällä kuponkia: COTARTICLE 🙂.

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://rossdawson.com/applying-chain-of-thought-to-ai-enhanced-human-thinking/