Applying Chain-of-Thought To AI-enhanced Human Thinking - Ross Dawson

प्लेटो द्वारा पुनर्प्रकाशित

अनुयायियों: 0

बड़े भाषा मॉडल के मूल्य और विश्वसनीयता में सुधार के लिए हाल के सबसे महत्वपूर्ण नवाचारों में से एक हैं विचार की शृंखला और इसके डेरिवेटिव सहित विचार का वृक्ष और विचार का ग्राफ.

ये संरचनाएं प्रभावी ढंग से डिजाइन करने में भी बेहद मूल्यवान हैं बेहतर सोच के लिए मनुष्य + एआई वर्कफ़्लो.

इस लेख में मैं चेन-ऑफ-थॉट का एक उच्च-स्तरीय दृश्य प्रदान करूंगा और फिर इसके अनुप्रयोगों पर गौर करूंगा एआई-संवर्धित मानव बुद्धि.

विचार की शृंखला

बड़े भाषा मॉडल (एलएलएम) आम तौर पर पाठ निर्माण में उत्कृष्ट होते हैं, लेकिन अनुक्रमिक तर्क शामिल करने वाले किसी भी कार्य में खराब होते हैं।

ऐतिहासिक जनवरी 2022 पेपर चेन-ऑफ़-थॉट प्रॉम्प्टिंग बड़े भाषा मॉडल में तर्क उत्पन्न करता है बताया गया कि कैसे विचारों की एक श्रृंखला - "मध्यवर्ती तर्क चरणों की एक श्रृंखला" - गणित और सामान्य ज्ञान पहेलियों सहित तर्क कार्यों में एलएलएम प्रदर्शन में काफी सुधार कर सकती है।

संभवतः आपने यह छवि देखी होगी कागज़ चक्कर लगा रहे हैं.

इस अवधारणा को शीघ्रता से अन्य अनुप्रयोगों में भी अपनाया गया अस्थायी तर्क, दृश्य भाषा मॉडल, पुनर्प्राप्ति संवर्धित तर्क, और एआई मॉडल के प्रदर्शन में सुधार के कई अन्य तरीके।

व्यावहारिक समस्या-समाधान अनुप्रयोगों में विचार-श्रृंखला विशेष रूप से मूल्यवान साबित हुई है। स्पष्ट उदाहरणों में शामिल हैं दवा, कानून, तथा शिक्षा.

Google के PaLM और Med-PaLM में विचार-श्रृंखला की संरचनाएं शामिल हैं और OpenAI के GPT-4 में इसकी बहुत संभावना है, जिसका अर्थ है कि जब आप LLM का उपयोग करते हैं तो ये दृष्टिकोण पहले से ही अंतर्निहित होते हैं।

फिर भी, प्रसिद्ध संकेत "आइए इसे चरण दर चरण हल करें ताकि यह सुनिश्चित हो सके कि हमारे पास सही उत्तर है" या इस पर विविधताएँ सर्वश्रेष्ठ एलएलएम प्रदर्शन दें कई प्रकार के कार्यों के लिए.

विचार श्रृंखला का विकास

चेन-ऑफ-थॉट के निर्माण से कई नवाचार सामने आए हैं।

प्रभावी तर्क प्रक्रियाएँ आवश्यक रूप से एक ही प्रक्षेप पथ का अनुसरण नहीं करती हैं। इससे ये होता है विचार का वृक्ष संरचनाएं, में वर्णित हैं विचारों का वृक्ष: बड़े भाषा मॉडल के साथ जानबूझकर समस्या का समाधान.

जैसा कि पेपर के इस चित्र में दिखाया गया है, चेन-ऑफ-थॉट पहले कई आउटपुट से सबसे लगातार पथ का चयन करने के लिए प्रगति कर सकता है, और फिर सोच प्रक्रिया के माध्यम से कई पथों में से सर्वश्रेष्ठ का चयन कर सकता है।

चेन-ऑफ़-थॉट पर हाल के घटनाक्रमों में बहुत आशाजनक बातें शामिल हैं विचार का ग्राफ और हाइपरग्राफ-ऑफ-थॉट.

नई 'सोच' संरचनाएं जेनेरिक एआई प्रगति के लिए केंद्रीय होंगी

एलएलएम की सीमाओं को संबोधित करने और उनकी क्षमताओं को बढ़ाने के लिए चेन-ऑफ-थॉट और संबंधित तकनीकों का निर्माण किया गया था।

जेनरेटिव एआई मॉडल की निरंतर प्रगति गणना क्षमता या मॉडल आकार की तुलना में इस प्रकार की संरचित सोच तकनीकों पर कहीं अधिक निर्भर करेगी। ये दृष्टिकोण पहले ही सक्षम हो चुके हैं प्रदर्शन हासिल करने के लिए छोटे, कुशल एलएलएम जो सबसे बड़े मॉडलों के बराबर पहुंच सकता है।

चेन-ऑफ-थॉट और इसी तरह के मॉडल भी सीधे नेतृत्व करते हैं बहु-एजेंट श्रृंखलाएँ, जिसमें एक ही मॉडल के भीतर प्राप्त किए जा सकने वाले बेहतर तर्क और परिणाम बनाने के लिए कई कार्य-अनुकूलित मॉडलों में विचार की श्रृंखलाएं या नेटवर्क बिछाए जाते हैं।

आर्टिफिशियल जनरल इंटेलिजेंस की तुलना में संवर्धित इंटेलिजेंस अधिक महत्वपूर्ण है

"प्रौद्योगिकी का लक्ष्य मनुष्यों को प्रतिस्थापित करना नहीं होना चाहिए, बल्कि मानवीय क्षमताओं को बढ़ाना चाहिए।" - डौग एंगेलबार्ट

ऐसा प्रतीत होता है कि लगभग सभी एआई विकास के पीछे प्रेरक शक्ति ऐसी मशीनें बनाना है जो मानव बुद्धि और क्षमताओं का अनुकरण कर सकें और संभावित रूप से उनसे आगे निकल सकें।

यह एक समझने योग्य महत्वाकांक्षा है.

लेकिन मेरी रुचि इसमें कहीं अधिक है AI मानव बुद्धि को कैसे बढ़ा सकता है?.

हम दोनों डोमेन पर एक साथ काम कर सकते हैं।

लेकिन आर्टिफिशियल जनरल इंटेलिजेंस की दिशा में प्रगति के हर संभावित परिदृश्य में, हम बेहतर होंगे यदि हमने कम से कम समान ऊर्जा लगाई हो मानव + एआई सोच संरचनाओं का निर्माण, सीखना और लागू करना.

मनुष्य + एआई सोच वर्कफ़्लोज़

इसकी अवधारणा मनुष्य + एआई मेरे काम के केंद्र में है.

नीचे दिया गया ढाँचा जो मैंने एक साल पहले बनाया था, वह "" की मेरी प्रारंभिक रूपरेखा को दर्शाता है।मनुष्य + एआई वर्कफ़्लोज़“, जिसमें लोग और एआई क्रमिक रूप से उन कार्यों को संबोधित करते हैं जिनके लिए वे सबसे उपयुक्त हैं।

यदि अच्छी तरह से डिज़ाइन किया गया है, तो यह अनिवार्य रूप से प्रत्येक अकेले की तुलना में बेहतर परिणाम उत्पन्न करता है।

तब से मैं और अधिक विस्तार से खोज कर रहा हूं कि विशेष रूप से सर्वश्रेष्ठ मानव + एआई सोच संरचनाएं क्या हैं।

ये की नींव होंगी संवर्धित मानव बुद्धि का अगला चरण.

एआई-संवर्धित मानव सोच के लिए चेन-ऑफ-थॉट

एलएलएम की स्टैंड-अलोन क्षमताओं को बढ़ाने के लिए चेन-ऑफ-थॉट से आने वाली अवधारणाओं को विकसित किया गया था।

हालाँकि, वे मनुष्यों और एआई के एक साथ काम करने के मूल्य को अधिकतम करने में भी बेहद मूल्यवान साबित होते हैं।

की एक श्रृंखला है मानव + एआई सोच वर्कफ़्लो में चेन-ऑफ़-थॉट संरचनाओं को लागू करने की तकनीक.

एआई अवधारणाओं को संवर्धित बुद्धिमत्ता पर लागू किया गया

एलएलएम का उपयोग यह सुझाव देने के लिए किया जा सकता है कि कार्यों को अनुक्रमिक (या नेटवर्क) तत्वों में कैसे विघटित किया जा सकता है, या तो मानव या एआई की पहचान की जा सकती है कि मानव या एआई क्षमताएं सबसे उपयुक्त हो सकती हैं।

में एक विशिष्ट दृष्टिकोण का वर्णन किया गया है चेन-ऑफ-थॉट के माध्यम से मानव-इन-द-लूप, जिसमें "तर्कसंगतता में उप-तर्कों का मैन्युअल सुधार एलएलएम के तर्क प्रदर्शन में सुधार कर सकता है।"

उद्देश्यों, कार्य और संरचना को "फ़्रेमिंग" करना, जैसा कि ह्यूमन + एआई वर्कफ़्लो आरेख में दिखाया गया है, परिणामों की गुणवत्ता को संचालित करता है। एआई के प्रस्ताव या मापदंडों का आकलन जैसे प्रवाह का उपयोग करके, इसे आमतौर पर मनुष्यों द्वारा सबसे अच्छी तरह से देखा जाता है।

मैं इन और अन्य दृष्टिकोणों को "एआई-एन्हांस्ड थिंकिंग पैटर्न" के एक सेट में शामिल कर रहा हूं।

आम तौर पर, केवल चेन-ऑफ-थॉट ही नहीं, बल्कि विभिन्न प्रकार की एआई प्रगति को मानव बुद्धि को बढ़ाने के लिए बेहद उपयोगी ढंग से लागू किया जा सकता है।

मैं की अवधारणाओं को लागू करने के बारे में एक समान लेख लिखने का इरादा रखता हूं जनरेटिव एडवरसियर नेटवर्क सेवा मेरे मानव-एआई सहजीवी बुद्धि संरचनाओं।