Zastosowanie łańcucha myślenia do ludzkiego myślenia wzmocnionego sztuczną inteligencją – Ross Dawson

Zastosowanie łańcucha myślenia do ludzkiego myślenia wzmocnionego sztuczną inteligencją – Ross Dawson

Znacznik czasu: 18 stycznia 2024 6:14
Węzeł źródłowy: 3070889

Do najważniejszych najnowszych innowacji poprawiających wartość i niezawodność modeli wielkojęzykowych należą: Łańcuch myśli i jego pochodne, w tym Drzewo Myśli i Wykres myśli. 

Konstrukcje te są również niezwykle cenne w projektowaniu efektywnym Przepływy pracy Ludzie + sztuczna inteligencja dla lepszego myślenia.

W tym artykule przedstawię ogólny pogląd na łańcuch myślowy, a następnie przyjrzę się aplikacjom Ludzka inteligencja wzmocniona sztuczną inteligencją.

Łańcuch myśli

Modele wielkojęzykowe (LLM) są na ogół doskonałe w generowaniu tekstu, ale słabo radzą sobie z zadaniami wymagającymi rozumowania sekwencyjnego.

Przełomowy artykuł ze stycznia 2022 r Podpowiadanie w oparciu o łańcuch myśli wywołuje rozumowanie w modelach wielkojęzycznych opisał, w jaki sposób łańcuch myślowy – „seria pośrednich etapów rozumowania” – może znacznie poprawić wyniki LLM w zadaniach rozumowania, w tym matematycznych i łamigłówkach zdroworozsądkowych.

Prawdopodobnie widziałeś ten obraz z papier robi obchody.

Koncepcja ta została szybko dostosowana do innych zastosowań, w tym rozumowanie tymczasowe, modele języka wizualnego, wyszukiwanie wzmocnione rozumowaniei wiele innych sposobów poprawy wydajności modeli AI.

Łańcuch myślowy okazał się szczególnie cenny w praktycznych zastosowaniach związanych z rozwiązywaniem problemów. Oczywiste przykłady obejmują lekarstwo, prawo, Edukacja. 

PaLM i Med-PaLM firmy Google zawierają struktury oparte na łańcuchu myślowym, a GPT-4 OpenAI najprawdopodobniej tak, co oznacza, że ​​gdy używasz LLM, te podejścia są już wbudowane. 

Mimo to słynny monit „Rozwiążmy to krok po kroku, aby mieć pewność, że mamy właściwą odpowiedź” lub jego wariacje zapewnić najlepszą wydajność LLM do wielu rodzajów zadań. 

Ewolucja łańcucha myśli

W oparciu o łańcuch myśli pojawiło się wiele innowacji.

Skuteczne procesy rozumowania niekoniecznie podążają jedną trajektorią. To prowadzi do Drzewo Myśli konstrukcje opisane w Drzewo myśli: celowe rozwiązywanie problemów za pomocą modeli wielkojęzycznych.

Jak pokazano na diagramie z artykułu, Łańcuch Myśli może najpierw wybrać najczęstszą ścieżkę z wielu wyników, a następnie wybrać najlepszą z wielu ścieżek w procesie myślenia. 

Nowsze osiągnięcia w zakresie Chain-of-Thought obejmują bardzo obiecujące Wykres myśli jak również Hipergraf myśli. 

Nowatorskie struktury „myślące” będą miały kluczowe znaczenie dla generatywnego postępu w zakresie sztucznej inteligencji 

Łańcuch myśli i powiązane techniki zostały stworzone, aby przezwyciężyć ograniczenia LLM i zwiększyć ich możliwości. 

Ciągły postęp generatywnych modeli sztucznej inteligencji będzie w znacznie większym stopniu opierał się na tego rodzaju technikach myślenia strukturalnego niż na mocy obliczeniowej czy rozmiarze modelu. Podejścia te zostały już włączone małe, wydajne LLM w celu osiągnięcia wydajności które mogą zbliżyć się do największych modeli. 

Łańcuch myśli i podobne modele również prowadzą bezpośrednio do sieci wieloagentowe, w którym łańcuchy lub sieci myślenia są ułożone w wielu modelach zoptymalizowanych pod kątem zadań, aby uzyskać znacznie lepsze rozumowanie i wyniki niż można osiągnąć w ramach jednego modelu.

Inteligencja rozszerzona jest ważniejsza niż sztuczna inteligencja ogólna

„Technologia nie powinna mieć na celu zastąpienia człowieka, a raczej wzmacnianie ludzkich możliwości”. — Douga Engelbarta

Siłą napędową niemal całego rozwoju sztucznej inteligencji wydaje się być tworzenie maszyn, które mogą naśladować, a nawet potencjalnie przewyższać ludzką inteligencję i możliwości.

To zrozumiała ambicja.

Ale jestem o wiele, wiele bardziej zainteresowany jak sztuczna inteligencja może zwiększyć ludzką inteligencję.

Możemy pracować na obu domenach jednocześnie.

Jednak w każdym możliwym scenariuszu postępu w kierunku sztucznej inteligencji ogólnej będzie dla nas lepiej, jeśli włożymy co najmniej równą ilość energii w budowanie, uczenie się i stosowanie struktur myślenia Human + AI.

Przepływy pracy związane z myśleniem ludźmi i sztuczną inteligencją 

Pojęcie Ludzie + sztuczna inteligencja jest sercem mojej pracy.

Poniższy framework, który stworzyłem rok temu, pokazuje moje wczesne ramy „Przepływy pracy Ludzie + AI”, w którym ludzie i sztuczna inteligencja sekwencyjnie realizują zadania, do których najlepiej się nadają.

Jeśli zostanie to dobrze zaprojektowane, nieuchronnie generuje wyniki lepsze od tych, które każdy z nich mógłby osiągnąć samodzielnie. 

Od tego czasu zagłębiałem się znacznie bardziej w to, jakie konkretnie struktury myślenia są najlepsze dla ludzi i sztucznej inteligencji.

Będą to podstawy kolejny etap zwiększonej ludzkiej inteligencji.

Łańcuch myślowy dla ludzkiego myślenia wspomaganego sztuczną inteligencją

Koncepcje wynikające z Chain-of-Thought zostały opracowane w celu zwiększenia samodzielnych możliwości LLM.

Jednakże okazują się one również niezwykle cenne w maksymalizowaniu wartości współpracy ludzi i sztucznej inteligencji. 

Istnieje szereg plików techniki stosowania struktur łańcucha myśli w przepływach pracy związanych z myśleniem ludzi i sztucznej inteligencji.

Koncepcje sztucznej inteligencji stosowane w rozszerzonej inteligencji

LLM można wykorzystać do zasugerowania, w jaki sposób można rozłożyć zadania na elementy sekwencyjne (lub połączone w sieć), przy czym ludzie lub sztuczna inteligencja określają, gdzie najlepiej nadają się możliwości człowieka lub sztucznej inteligencji.

Jedno konkretne podejście opisano w Człowiek w pętli poprzez łańcuch myśli, w którym „ręczna korekta logiki podrzędnej w uzasadnieniach może poprawić wydajność rozumowania LLM”.

„Określenie” celów, zadań i struktury, jak pokazano na diagramie przepływu pracy „Ludzie + sztuczna inteligencja”, wpływa na jakość wyników. Zwykle najlepiej nadzorują to ludzie, korzystając z przepływów, takich jak proponowanie lub ocenianie parametrów przez sztuczną inteligencję.

Włączam te i inne podejścia do zestawu „Wzorców myślenia wzmocnionych sztuczną inteligencją”.

Mówiąc bardziej ogólnie, do zwiększania ludzkiej inteligencji można niezwykle z pożytkiem zastosować szeroką gamę osiągnięć sztucznej inteligencji, nie tylko łańcuch myśli.  

Zamierzam napisać podobny artykuł na temat stosowania pojęć Generatywne sieci przeciwstawne do Inteligencja symbiotyczna człowiek-AI Struktury. 

Kurs myślenia i podejmowania decyzji wspomaganych sztuczną inteligencją

W 2024 r. skupię się wyłącznie na tym, jak sztuczna inteligencja może ulepszyć ludzi.

Jednym z moich głównych działań jest prowadzenie regularnych kursów kohortowych na Mavenie: Myślenie i podejmowanie decyzji wspomagane sztuczną inteligencją. Sprawdź link, aby uzyskać więcej szczegółów.

Następna kohorta rozpoczyna się 8 lutego. W ramach podziękowania za przeczytanie do końca tego artykułu, możesz uzyskać 30% zniżki, korzystając z kuponu: COTARTICLE 🙂.

Znak czasu:

Więcej z Rossdawsona