Google DeepMind: Ha emberibbé válik az AI, jobb teljesítményt nyújt

A Google DeepMind kutatói olyan úttörő módszert mutattak be, amely felerősíti a nyelvi modellek matematikai képességeit. Az "Optimization by PROmpting" vagy OPRO néven ismert megközelítés a mindennapi emberi beszédet használja fel arra, hogy ezeket a modelleket a problémamegoldásban irányítsa. A hagyományos gépi tanulás konkrét, lépésről lépésre történő eljárásokra támaszkodik a mesterséges intelligencia modell teljesítményének fokozásához. Az OPRO azonban eltér ettől a normától. Ahelyett, hogy bonyolult matematikai definíciókat használna, egyszerű nyelvet alkalmaz a javítási folyamat elindításához. A modell ezután a probléma leírása és a korábbi válaszok alapján potenciális megoldásokat készít.

A DeepMind tanulmány egy másik érdekes felfedezést is tett: a kérések megfogalmazása befolyásolhatja a mesterséges intelligencia kimeneteit. Például a Google PaLM 2 nyelvi modelljével a „Vegyél egy mély lélegzetet és dolgozz a problémán lépésről lépésre” kifejezés használata lenyűgöző, 80,2%-os pontossági pontszámot eredményezett az általános iskolai matematikai szöveges feladatok adathalmazával összehasonlítva. Ezzel szemben minden különösebb felszólítás nélkül ugyanez a modell csak 34%-os pontosságot ért el. Ez rávilágít arra, hogy az emberhez hasonló felszólítások milyen mélyreható hatást gyakorolnak a mesterséges intelligencia teljesítményére.

Miért reagálnak ezek a modellek olyan jól az emberhez hasonló felszólításokra? A válasz a képzési adatokban rejlik. A nagy nyelvi modelleket (LLM) emberi nyelvi adatforrásokon, például Reddit-szálakon és filmforgatókönyveken képzik. Ennek eredményeképpen kiválóan tudják módosítani a kimeneteiket az emberi jellegű kérések és bátorítások alapján. Például képesek egy matematikai feladatot lépésekre bontani, vagy a kért stílus vagy műfaj alapján módosítani a válaszaikat. Ez az emberközpontú megközelítés nem csak a mesterséges intelligencia problémamegoldó képességét növeli, hanem még jobban összehasonlíthatóvá és felhasználóbarátabbá teszi.