Tutkijat ovat kehittäneet uuden sukupolven tekoälymalleja, jotka pystyvät dynaamisesti säätämään laskennallista panostaan ongelman monimutkaisuuden mukaan. Tämä edustaa merkittävää muutosta siinä, miten tekoäly lähestyy haastavia tehtäviä.
Teknologia, josta esimerkkeinä mainitaan DeepSeek-R1 ja OpenAI:n o-sarja, hyödyntää niin sanottua "reasoning-first"-lähestymistapaa, jossa perusteellinen analyysi asetetaan nopean kaavojen tunnistamisen edelle. DeepSeek-R1 on rakennettu tämän päättelykeskeisen metodologian pohjalta, minkä ansiosta se soveltuu erityisen hyvin monimutkaisten tieteellisten, ohjelmointiin liittyvien ja matemaattisten tehtävien ratkaisemiseen edistyneen loogisen päättelyn ja ongelmanratkaisun avulla. Tämä "ajattele ennen vastaamista" -painotus tekee siitä erityisen arvokkaan teknisissä sovelluksissa.
Toisin kuin perinteiset tekoälyjärjestelmät, nämä uudet päättelymallit on koulutettu "ajattelemaan pidempään" ennen vastaamista. Esimerkiksi OpenAI:n o3 pystyy pilkkomaan vaikeat kysymykset loogisiksi askeliksi, suorittamaan välilaskelmia tai työkalukutsuja ja tuottamaan perusteltuja vastauksia. Koska kyseessä ovat päättelymallit, ne tarkistavat tehokkaasti itse omat vastauksensa, mikä auttaa välttämään sudenkuoppia, joihin tavalliset mallit usein kompastuvat. Vaikka ratkaisujen tuottaminen kestää sekunneista minuutteihin pidempään kuin tavanomaisilla malleilla, ne ovat yleensä luotettavampia esimerkiksi fysiikan, tieteen ja matematiikan aloilla.
OpenAI on havainnut, että laajamittainen vahvistusoppiminen noudattaa samaa "enemmän laskentaa = parempi suorituskyky" -trendiä kuin aiemmassa mallien koulutuksessa. Uudelleen seuraamalla tätä skaalauspolkua – tällä kertaa vahvistusoppimisessa – he ovat lisänneet sekä koulutuksen laskentatehoa että päättelyaikaa suorituksen aikana kymmenkertaiseksi, ja selkeät suorituskyvyn parannukset osoittavat, että mallien suorituskyky jatkaa paranemistaan mitä enemmän niille annetaan aikaa ajatella.
Nämä mallit tuottavat aktiivisesti useita ratkaisupolkuja päättelyn aikana ja arvioivat niitä integroitujen arviointimallien avulla löytääkseen lupaavimman vaihtoehdon. Kouluttamalla arviointimallin asiantuntijoiden merkitsemällä datalla kehittäjät varmistavat, että mallit oppivat vahvan kyvyn ratkaista monimutkaisia, usean vaiheen ongelmia. Tämä ominaisuus mahdollistaa sen, että malli toimii oman päättelynsä tuomarina, tuoden suuria kielimalleja lähemmäs kykyä "ajatella" pelkän vastaamisen sijaan.
DeepSeekin lähestymistapa yhdistää ketjupäättelyn (chain-of-thought) ja vahvistusoppimisen, jossa autonominen agentti oppii suorittamaan tehtäviä kokeilun ja erehdyksen kautta ilman ihmisen ohjeita. Tämä haastaa oletuksen, että mallit parantaisivat päättelykykyään vain kouluttamalla niitä oikeiden vastausten esimerkeillä. Kuten eräs tutkija totesi: "Voimmeko vain palkita mallia oikeista vastauksista ja antaa sen itse löytää parhaan tavan ajatella?"
Reaalimaailman sovelluksille vaikutukset ovat merkittäviä. Nämä mallit voivat mullistaa sen, miten tekoäly käsittelee monimutkaisia ongelmia aina tieteellisestä tutkimuksesta ja insinööritieteistä liiketoimintastrategiaan ja luovaan ongelmanratkaisuun. Kohdentamalla laskentatehoa suhteessa tehtävän vaikeuteen – kuten ihmiset luonnostaan käyttävät enemmän aikaa vaikeisiin ongelmiin – nämä järjestelmät lupaavat luotettavampaa suorituskykyä niissä haastavimmissa älyllisissä tehtävissä, joita ihmiskunta kohtaa.