Οι ερευνητές ανέπτυξαν μια νέα γενιά μοντέλων τεχνητής νοημοσύνης που μπορούν να προσαρμόζουν δυναμικά την υπολογιστική τους προσπάθεια ανάλογα με την πολυπλοκότητα του προβλήματος, σηματοδοτώντας μια σημαντική αλλαγή στον τρόπο με τον οποίο η τεχνητή νοημοσύνη προσεγγίζει απαιτητικές εργασίες.
Η τεχνολογία αυτή, με παραδείγματα όπως τα DeepSeek-R1 και η σειρά o της OpenAI, εφαρμόζει αυτό που οι δημιουργοί της αποκαλούν «προσέγγιση με προτεραιότητα στη συλλογιστική», δίνοντας έμφαση στη διεξοδική ανάλυση έναντι της γρήγορης αναγνώρισης προτύπων. Το DeepSeek-R1 έχει σχεδιαστεί με αυτή τη μεθοδολογία, καθιστώντας το ιδιαίτερα κατάλληλο για την αντιμετώπιση σύνθετων εργασιών στην επιστήμη, τον προγραμματισμό και τα μαθηματικά μέσω προχωρημένης λογικής εξαγωγής και επίλυσης προβλημάτων. Αυτή η εστίαση στο «σκέφτομαι πριν απαντήσω» το καθιστά πολύτιμο για τεχνικές εφαρμογές.
Σε αντίθεση με τα συμβατικά συστήματα ΤΝ, αυτά τα νέα μοντέλα συλλογιστικής εκπαιδεύονται να «σκέφτονται περισσότερο» πριν απαντήσουν. Για παράδειγμα, το o3 της OpenAI μπορεί να διασπά δύσκολα ερωτήματα σε λογικά βήματα, να εκτελεί ενδιάμεσους υπολογισμούς ή να καλεί εργαλεία, και στη συνέχεια να παράγει τεκμηριωμένες απαντήσεις. Ως μοντέλα συλλογιστικής, ελέγχουν ουσιαστικά τα ίδια τα γεγονότα τους, αποφεύγοντας έτσι παγίδες που συνήθως δυσκολεύουν τα τυπικά μοντέλα. Αν και χρειάζονται δευτερόλεπτα ή και λεπτά παραπάνω για να καταλήξουν σε λύσεις σε σύγκριση με τα συνήθη μοντέλα χωρίς συλλογιστική, τείνουν να είναι πιο αξιόπιστα σε τομείς όπως η φυσική, η επιστήμη και τα μαθηματικά.
Η OpenAI έχει παρατηρήσει ότι η μεγάλης κλίμακας ενισχυτική μάθηση εμφανίζει την ίδια τάση «περισσότεροι υπολογισμοί = καλύτερη απόδοση» που είχε παρατηρηθεί και στην προηγούμενη εκπαίδευση μοντέλων. Επαναλαμβάνοντας τη διαδρομή κλιμάκωσης — αυτή τη φορά στην ενισχυτική μάθηση — κατάφεραν να αυξήσουν κατά μία τάξη μεγέθους τόσο τους υπολογισμούς εκπαίδευσης όσο και τη συλλογιστική κατά την εκτέλεση, με σαφή οφέλη στην απόδοση που επιβεβαιώνουν ότι τα μοντέλα βελτιώνονται όσο περισσότερο χρόνο τους επιτρέπεται να «σκέφτονται».
Αυτά τα μοντέλα παράγουν ενεργά πολλαπλές διαδρομές λύσεων κατά την εκτέλεση, αξιολογώντας κάθε μία με τη βοήθεια ενσωματωμένων μοντέλων αξιολόγησης για να εντοπίσουν την πιο υποσχόμενη επιλογή. Εκπαιδεύοντας το μοντέλο αξιολόγησης σε δεδομένα που έχουν επισημανθεί από ειδικούς, οι δημιουργοί διασφαλίζουν ότι τα μοντέλα αναπτύσσουν ισχυρή ικανότητα συλλογιστικής σε πολύπλοκα, πολυβήματα προβλήματα. Αυτό το χαρακτηριστικό επιτρέπει στο μοντέλο να λειτουργεί ως «κριτής» της ίδιας του της σκέψης, φέρνοντας τα μεγάλα γλωσσικά μοντέλα πιο κοντά στο να μπορούν να «σκέφτονται» αντί απλώς να απαντούν.
Η προσέγγιση της DeepSeek συνδυάζει τη συλλογιστική αλυσίδας σκέψης με την ενισχυτική μάθηση, όπου ένας αυτόνομος πράκτορας μαθαίνει να εκτελεί μια εργασία μέσω δοκιμής και σφάλματος χωρίς ανθρώπινες οδηγίες. Αυτό αμφισβητεί την υπόθεση ότι τα μοντέλα θα βελτιώσουν την ικανότητα συλλογιστικής τους αποκλειστικά μέσω εκπαίδευσης σε επισημασμένα παραδείγματα σωστής συμπεριφοράς. Όπως το έθεσε ένας ερευνητής: «Μπορούμε απλώς να ανταμείψουμε το μοντέλο για την ορθότητα και να το αφήσουμε να ανακαλύψει μόνο του τον καλύτερο τρόπο σκέψης;»
Οι επιπτώσεις για τις εφαρμογές στον πραγματικό κόσμο είναι βαθιές. Αυτά τα μοντέλα θα μπορούσαν να μεταμορφώσουν τον τρόπο με τον οποίο η ΤΝ χειρίζεται πολύπλοκα προβλήματα σε τομείς που εκτείνονται από την επιστημονική έρευνα και τη μηχανική έως τη στρατηγική επιχειρήσεων και τη δημιουργική επίλυση προβλημάτων. Κατανέμοντας υπολογιστικούς πόρους αναλογικά με τη δυσκολία της εργασίας — όπως ακριβώς οι άνθρωποι αφιερώνουν περισσότερο χρόνο σε δυσκολότερα προβλήματα — αυτά τα συστήματα υπόσχονται πιο αξιόπιστη απόδοση στις πιο απαιτητικές διανοητικές προκλήσεις που αντιμετωπίζει η ανθρωπότητα.