将思想链应用于人工智能增强的人类思维 - Ross Dawson

将思想链应用于人工智能增强的人类思维 – Ross Dawson

源节点: 3070889

提高大型语言模型的价值和可靠性的最新最重要的创新包括 思想链 及其衍生品包括 思想树思维图

这些结构对于设计有效的 人类 + 人工智能工作流程以实现更好的思考.

在本文中,我将提供思想链的高级视图,然后研究应用程序 AI增强人类智能.

思想链

大型语言模型(LLM)通常在文本生成方面表现出色,但在涉及顺序推理的任何任务方面表现不佳。

2022 年 XNUMX 月具有里程碑意义的论文 思路链提示引发大型语言模型的推理 阐述了一系列思想——“一系列中间推理步骤”——如何能够显着提高法学硕士在推理任务(包括数学和常识性难题)上的表现。

您可能已经看过这张图片 论文 做几轮。

这个概念很快就适用于其他应用,包括 时间推理, 视觉语言模型, 检索增强推理以及许多其他提高人工智能模型性能的方法。

事实证明,思维链在解决实际问题的应用中特别有价值。明显的例子包括 药物, 法律教育

Google 的 PaLM 和 Med-PaLM 整合了思想链结构,OpenAI 的 GPT-4 很可能也这么做了,这意味着当你使用 LLM 时,这些方法已经内置了。 

即便如此,著名的提示“让我们一步一步地解决这个问题,以确保我们有正确的答案”或其变体 提供最佳的LLM表现 适用于多种任务。 

思想链的演变

在思想链的基础上出现了许多创新。

有效的推理过程不一定遵循单一的轨迹。这导致 思想树 结构,描述于 思想之树:用大型语言模型有意识地解决问题.

正如论文中的图表所示,思维链可以首先从多个输出中选择最频繁的路径,然后通过思维过程从多个路径中选择最佳路径。 

思想链的最新发展包括非常有前途的 思维图 以及 超思维图

新颖的“思维”结构将成为生成式人工智能进步的核心 

创建思想链和相关技术是为了解决法学硕士的局限性并增强其能力。 

生成式人工智能模型的持续进步将更多地依赖于此类结构化思维技术,而不是计算能力或模型大小。这些方法已经实现了 小型、高效的法学硕士以实现绩效 它可以接近最大的模型。 

思想链和类似的模型也直接导致 多代理链,其中思想链或网络被布置在多个任务优化模型中,以创建比单个模型中可以实现的更好的推理和结果。

增强智能比通用人工智能更重要

“技术的目的不应该是取代人类,而是要增强人类的能力。” — 道格·恩格尔巴特

几乎所有人工智能开发背后的驱动力似乎都是创造能够模仿并可能超越人类智能和能力的机器。

这是一个可以理解的野心。

但我更感兴趣的是 人工智能如何增强人类智能.

我们可以同时在两个领域开展工作。

但在实现通用人工智能的每一种可能的情况下,如果我们至少投入同等的精力,我们的境况将会更好。 构建、学习和应用人类+人工智能思维结构.

人类+人工智能思维工作流程 

的概念 人类+人工智能 是我工作的核心。

下面是我一年前创建的框架,展示了我早期的“人类+人工智能工作流程“,其中人和人工智能依次处理他们最适合的任务。

如果设计得当,这将不可避免地产生优于每个人单独所能达到的结果。 

从那时起,我一直在更详细地挖掘什么是最好的人类+人工智能思维结构。

这些将成为基础 增强人类智能的下一阶段.

人工智能增强人类思维的思想链

思想链中的概念是为了增强法学硕士的独立能力而开发的。

然而,它们也被证明在最大化人类和人工智能协同工作的价值方面具有巨大的价值。 

有一系列 将思维链结构应用于人类+人工智能思维工作流程的技术.

应用于增强智能的人工智能概念

法学硕士可用于建议如何将任务分解为顺序(或网络)元素,由人类或人工智能确定人类或人工智能能力最适合的位置。

一种具体方法描述于 通过思想链实现人在环,其中“手动修正基本原理中的子逻辑可以提高LLM的推理性能。”

如“人类+人工智能”工作流程图所示,“制定”目标、任务和结构可以提高结果的质量。这通常最好由人类使用人工智能建议或评估参数等流程来监督。

我正在将这些方法和其他方法整合到一套“人工智能增强的思维模式”中。

更一般地说,各种各样的人工智能进步,而不仅仅是思想链,都可以非常有效地应用于增强人类智能。  

我打算写一篇关于应用概念的类似文章 生成对抗网络人机共生智能 结构。 

人工智能增强思维与决策课程

2024 年我的全部关注点是人工智能如何增强人类能力。

我的中心活动之一是定期举办有关 Maven 的队列课程: 人工智能增强思维和决策。查看链接了解更多详情。

下一批将于 8 月 30 日开始。为了感谢您阅读本文末尾,您可以使用优惠券获得 XNUMX% 的折扣:COTARTICLE 🙂。

时间戳记:

更多来自 罗斯道森