Применение цепочки мыслей к человеческому мышлению, улучшенному ИИ – Росс Доусон

Среди наиболее важных последних инноваций, направленных на повышение ценности и надежности моделей большого языка, можно назвать Цепочка мыслей и его производные, включая Древо мысли и График мысли. 

Эти структуры также чрезвычайно ценны для разработки эффективных Рабочие процессы «Человек + ИИ» для лучшего мышления.

В этой статье я предоставлю общий обзор цепочки мыслей, а затем рассмотрю приложения для ее реализации. Человеческий интеллект, дополненный искусственным интеллектом.

Цепочка мыслей

Модели большого языка (LLM) обычно превосходны при генерации текста, но плохо справляются с любыми задачами, требующими последовательного рассуждения.

Знаменательный документ за январь 2022 г. Подсказка по цепочке мыслей вызывает рассуждения в больших языковых моделях изложил, как цепочка мыслей — «серия промежуточных шагов рассуждения» — может существенно улучшить производительность LLM при решении задач на рассуждение, включая математику и головоломки, основанные на здравом смысле.

Вы, вероятно, видели это изображение с бумага делать раунды.

Эта концепция была быстро адаптирована к другим приложениям, включая временное рассуждение, модели визуального языка, поиск расширенных рассужденийи многие другие способы повышения производительности моделей ИИ.

Цепочка мыслей оказалась особенно ценной в практических приложениях по решению проблем. Очевидные примеры включают в себя медицина, закони образование. 

PaLM и Med-PaLM от Google включают в себя структуры цепочки мыслей, а GPT-4 от OpenAI, скорее всего, использует их, то есть, когда вы используете LLM, эти подходы уже встроены. 

Тем не менее, известная подсказка «Давайте разберемся с этим шаг за шагом, чтобы быть уверенными, что у нас есть правильный ответ» или ее вариации обеспечить лучшую производительность LLM для многих видов задач. 

Эволюция цепочки мыслей

На основе цепочки мыслей появился ряд инноваций.

Эффективные процессы рассуждения не обязательно следуют одной траектории. Это ведет к Древо мысли структуры, описанные в Древо мыслей: преднамеренное решение проблем с помощью больших языковых моделей.

Как показано на диаграмме из статьи, цепочка мыслей может сначала перейти к выбору наиболее частого пути из нескольких выходов, а затем к выбору лучшего из нескольких путей в процессе мышления. 

Более поздние разработки в области цепочки мыслей включают в себя очень многообещающие График мысли так же как и сигнал Гиперграф мысли. 

Новые «мыслящие» структуры будут иметь решающее значение для прогресса генеративного ИИ 

Цепочка мыслей и связанные с ней методы были созданы для устранения ограничений LLM и расширения их возможностей. 

Дальнейшее развитие генеративных моделей ИИ будет в гораздо большей степени зависеть от такого рода методов структурированного мышления, чем от вычислительных мощностей или размера модели. Эти подходы уже позволили небольшие, эффективные LLM для достижения производительности который может приблизиться к размеру самых больших моделей. 

«Цепочка мыслей» и подобные модели также ведут непосредственно к мультиагентные цепочки, в котором цепочки или сети мысли распределяются по множеству оптимизированных под задачи моделей для создания гораздо более эффективных рассуждений и результатов, чем можно достичь в рамках одной модели.

Дополненный интеллект важнее, чем общий искусственный интеллект

«Технологии не должны быть направлены на замену людей, а скорее на расширение человеческих возможностей». — Дуг Энгельбарт

Движущей силой почти всех разработок ИИ, похоже, является создание машин, которые могут имитировать и потенциально превосходить человеческий интеллект и возможности.

Это вполне понятное стремление.

Но меня гораздо больше интересует как ИИ может усилить человеческий интеллект.

Мы можем работать в обоих доменах одновременно.

Но при любом возможном сценарии продвижения к общему искусственному интеллекту нам будет лучше, если мы вложим хотя бы столько же энергии в построение, изучение и применение структур мышления «Человек + ИИ».

Рабочие процессы мышления людей и искусственного интеллекта 

Концепция Люди + ИИ лежит в основе моей работы.

Схема ниже, которую я создал год назад, показывает мою раннюю концепцию «Рабочие процессы «Люди + ИИ»«, в котором люди и ИИ последовательно решают задачи, для решения которых они лучше всего подходят.

При правильном планировании это неизбежно приводит к результатам, превосходящим те, которые каждый мог бы получить в одиночку. 

С тех пор я стал гораздо более подробно изучать, какие именно структуры мышления «Человек + ИИ» являются лучшими.

Это будут основы следующий этап дополненного человеческого интеллекта.

Цепочка мыслей для человеческого мышления, улучшенного искусственным интеллектом

Концепции, вытекающие из цепочки мыслей, были разработаны для расширения автономных возможностей LLM.

Однако они также оказываются чрезвычайно ценными для максимизации ценности совместной работы людей и ИИ. 

Есть целый ряд методы применения структур цепочки мыслей к рабочим процессам мышления людей + ИИ.

Концепции искусственного интеллекта, применяемые к дополненному интеллекту

LLM можно использовать, чтобы предложить, как задачи могут быть разложены на последовательные (или сетевые) элементы, при этом либо люди, либо ИИ определяют, где возможности человека или ИИ могут подойти лучше всего.

Один конкретный подход описан в Человек в цикле через цепочку мыслей, в котором «ручная коррекция подлогики в обоснованиях может улучшить производительность рассуждений LLM».

«Формирование» целей, задач и структуры, как показано на диаграмме рабочего процесса «Человек + ИИ», определяет качество результатов. Обычно за этим лучше всего следят люди, используя такие потоки, как ИИ, предлагающий или оценивающий параметры.

Я включаю эти и другие подходы в набор «Модель мышления, улучшенного искусственным интеллектом».

В более общем смысле, широкий спектр достижений ИИ, а не только цепочка мыслей, может быть чрезвычайно полезно применен для увеличения человеческого интеллекта.  

Я собираюсь написать аналогичную статью о применении концепций Генеративные состязательные сети в Симбиотический интеллект человека и искусственного интеллекта структур. 

Курс по мышлению и принятию решений с помощью искусственного интеллекта

В 2024 году я полностью сосредоточусь на том, как ИИ может улучшить людей.

Одно из моих основных занятий — проведение регулярных групповых курсов по Maven: Расширенное мышление и принятие решений с помощью искусственного интеллекта. Перейдите по ссылке для получения более подробной информации.

Следующая группа стартует 8 февраля. В качестве благодарности за то, что дочитали эту статью до конца, вы можете получить скидку 30%, воспользовавшись купоном: COTARTICLE 🙂.

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://rossdawson.com/applying-chain-of-thought-to-ai-enhanced-human-thinking/