Applicazione della catena di pensiero al pensiero umano potenziato dall'intelligenza artificiale - Ross Dawson

Applicazione della catena di pensiero al pensiero umano potenziato dall'intelligenza artificiale – Ross Dawson

Timestamp: 18 gennaio 2024 6:14
Nodo di origine: 3070889

Tra le innovazioni recenti più importanti per migliorare il valore e l'affidabilità dei modelli linguistici di grandi dimensioni ci sono Catena di pensiero e i suoi derivati ​​compresi Albero del pensiero ed Grafico del pensiero. 

Queste strutture sono estremamente preziose anche nella progettazione efficace Umani + flussi di lavoro AI per pensare meglio.

In questo articolo fornirò una visione di alto livello della catena di pensiero e poi esaminerò le applicazioni Intelligenza umana potenziata dall’intelligenza artificiale.

Catena di pensiero

I Large Language Models (LLM) sono generalmente eccellenti nella generazione di testi, ma scarsi in qualsiasi attività che coinvolga il ragionamento sequenziale.

Il documento fondamentale del gennaio 2022 La sollecitazione della catena di pensiero suscita il ragionamento nei modelli linguistici di grandi dimensioni ha illustrato come una catena di pensiero - "una serie di passaggi intermedi di ragionamento" - potrebbe migliorare sostanzialmente le prestazioni LLM in compiti di ragionamento tra cui matematica e puzzle di buon senso.

Probabilmente hai visto questa immagine da la carta facendo il giro.

Questo concetto è stato rapidamente adattato ad altre applicazioni, tra cui ragionamento temporale, modelli del linguaggio visivo, ragionamento aumentato nel recuperoe molti altri modi per migliorare le prestazioni dei modelli di intelligenza artificiale.

La catena di pensiero si è rivelata particolarmente preziosa nelle applicazioni pratiche di risoluzione dei problemi. Esempi evidenti includono medicina, leggee continua. 

PaLM e Med-PaLM di Google incorporano strutture di catena di pensiero e molto probabilmente GPT-4 di OpenAI lo fa, il che significa che quando si utilizza un LLM questi approcci sono già integrati. 

Anche così, il famoso suggerimento "Lavoriamo passo dopo passo per essere sicuri di avere la risposta giusta" o variazioni su questo offrire le migliori prestazioni LLM per molti tipi di compiti. 

Evoluzione della catena di pensiero

Basandosi sulla catena di pensiero sono emerse numerose innovazioni.

I processi di ragionamento efficaci non seguono necessariamente un’unica traiettoria. Questo porta a Albero del pensiero strutture, descritte in Albero dei pensieri: risoluzione deliberata dei problemi con modelli linguistici di grandi dimensioni.

Come mostrato in questo diagramma del documento, la catena di pensiero può progredire prima selezionando il percorso più frequente da più output e poi selezionando il migliore tra più percorsi attraverso il processo di pensiero. 

Gli sviluppi più recenti sulla catena di pensiero includono quelli molto promettenti Grafico del pensiero così come Ipergrafo del pensiero. 

Nuove strutture di “pensiero” saranno fondamentali per il progresso dell’intelligenza artificiale generativa 

La catena di pensiero e le tecniche correlate sono state create per affrontare i limiti dei LLM e migliorare le loro capacità. 

Il continuo progresso dei modelli di intelligenza artificiale generativa si baserà molto di più su questo tipo di tecniche di pensiero strutturato che sulla capacità di calcolo o sulle dimensioni del modello. Questi approcci hanno già consentito LLM piccoli ed efficienti per ottenere prestazioni che può avvicinarsi a quello dei modelli più grandi. 

Anche la catena di pensiero e modelli simili portano direttamente a catene multiagente, in cui catene o reti di pensiero sono disposte su più modelli ottimizzati per i compiti per creare ragionamenti e risultati di gran lunga superiori a quelli che possono essere ottenuti all'interno di un singolo modello.

L’intelligenza aumentata è più importante dell’intelligenza artificiale generale

“La tecnologia non dovrebbe mirare a sostituire gli esseri umani, ma piuttosto ad amplificare le capacità umane”. — Doug Engelbart

La forza trainante dietro quasi tutto lo sviluppo dell’intelligenza artificiale sembra essere quella di creare macchine che possano emulare e potenzialmente superare l’intelligenza e le capacità umane.

Si tratta di un’ambizione comprensibile.

Ma sono molto, molto più interessato a come l’intelligenza artificiale può aumentare l’intelligenza umana.

Possiamo lavorare su entrambi i domini contemporaneamente.

Ma in ogni possibile scenario di progresso verso l’Intelligenza Generale Artificiale, staremo meglio se dedicheremo almeno la stessa energia alla costruire, apprendere e applicare strutture di pensiero umane + IA.

Flussi di lavoro pensati da esseri umani e intelligenza artificiale 

Il concetto di Umani + IA è al centro del mio lavoro.

Il quadro qui sotto che ho creato un anno fa mostra la mia prima inquadratura di "Umani + flussi di lavoro AI“, in cui le persone e l’intelligenza artificiale affrontano in sequenza i compiti a cui sono più adatte.

Se ben progettato, questo genera inevitabilmente risultati superiori a quelli che ciascuno potrebbe ottenere da solo. 

Da allora ho approfondito in modo molto più dettagliato quali siano nello specifico le migliori strutture di pensiero Umani + IA.

Queste saranno le basi di la prossima fase dell’intelligenza umana aumentata.

Catena di pensiero per il pensiero umano potenziato dall’intelligenza artificiale

I concetti derivanti dalla catena di pensiero sono stati sviluppati per migliorare le capacità autonome dei LLM.

Tuttavia si dimostrano anche immensamente preziosi nel massimizzare il valore della collaborazione tra esseri umani e intelligenza artificiale. 

Ce ne sono una serie di tecniche per applicare le strutture della catena di pensiero ai flussi di lavoro del pensiero umano + intelligenza artificiale.

Concetti di intelligenza artificiale applicati all'intelligenza aumentata

Gli LLM possono essere utilizzati per suggerire come le attività possono essere scomposte in elementi sequenziali (o collegati in rete), con gli esseri umani o l'intelligenza artificiale che identificano dove le capacità umane o dell'intelligenza artificiale possono essere più adatte.

Un approccio specifico è descritto in Human-in-the-Loop attraverso la catena di pensiero, in cui "la correzione manuale delle sottologiche nelle motivazioni può migliorare le prestazioni di ragionamento di LLM".

"Inquadrare" gli obiettivi, i compiti e la struttura, come mostrato nel diagramma del flusso di lavoro Humans + AI, determina la qualità dei risultati. Questo di solito è meglio supervisionato dagli esseri umani, utilizzando flussi come l’intelligenza artificiale che propone o valuta i parametri.

Sto incorporando questi e altri approcci in una serie di "modelli di pensiero potenziati dall'intelligenza artificiale".

Più in generale, un’ampia varietà di progressi nell’intelligenza artificiale, non solo la catena di pensiero, può essere applicata in modo estremamente utile per aumentare l’intelligenza umana.  

Intendo scrivere un articolo simile sull'applicazione dei concetti di Reti del contraddittorio generativo a Intelligenza simbiotica uomo-intelligenza artificiale strutture. 

Corso sul pensiero e sul processo decisionale potenziati dall'intelligenza artificiale

Il mio obiettivo principale nel 2024 è come l’intelligenza artificiale può migliorare gli esseri umani.

Una delle mie attività principali è tenere un regolare corso di gruppo su Maven: Pensiero e processo decisionale potenziati dall'intelligenza artificiale. Controlla il collegamento per maggiori dettagli.

La prossima serie inizierà l'8 febbraio. Come ringraziamento per aver letto fino alla fine di questo articolo, puoi ottenere uno sconto del 30% utilizzando il coupon: COTARTICLE 🙂.

Timestamp:

Di più da Rossdawson