Vedci vyvinuli novú generáciu AI modelov, ktoré dokážu dynamicky prispôsobovať svoju výpočtovú náročnosť podľa zložitosti problému, čo predstavuje zásadný posun v tom, ako umelá inteligencia pristupuje k náročným úlohám.
Technológia, ktorú reprezentujú modely ako DeepSeek-R1 a o-series od OpenAI, využíva takzvaný „reasoning-first prístup“, ktorý uprednostňuje dôkladnú analýzu pred rýchlym rozpoznávaním vzorov. DeepSeek-R1 je postavený na tejto metodológii orientovanej na uvažovanie, vďaka čomu je obzvlášť vhodný na riešenie zložitých úloh v oblasti vedy, programovania a matematiky prostredníctvom pokročilého logického usudzovania a riešenia problémov. Tento dôraz na „premýšľanie pred odpoveďou“ je mimoriadne cenný pre technické aplikácie.
Na rozdiel od bežných AI systémov sú tieto nové modely učené „premýšľať dlhšie“ predtým, než odpovedia. Napríklad OpenAI o3 dokáže rozložiť zložité otázky na logické kroky, vykonávať medzi-výpočty alebo volať nástroje a následne poskytovať dobre podložené odpovede. Ako modely zamerané na uvažovanie si efektívne overujú vlastné tvrdenia, čo pomáha vyhnúť sa nástrahám, na ktorých bežné modely často zlyhávajú. Hoci im trvá riešenie úloh sekundy až minúty dlhšie v porovnaní s bežnými modelmi, v oblastiach ako fyzika, veda či matematika sú spravidla spoľahlivejšie.
OpenAI zaznamenala, že veľkorozmerné posilňovacie učenie vykazuje rovnaký trend „viac výpočtov = lepší výkon“ ako pri predchádzajúcom trénovaní modelov. Opätovným prechádzaním tejto škálovacej cesty – tentoraz v oblasti posilňovacieho učenia – dosiahli ďalší rád vylepšenia v objeme tréningových výpočtov aj v čase uvažovania počas inferencie, pričom jasné zlepšenia výkonu potvrdzujú, že modely sú lepšie, čím viac im dovolíme premýšľať.
Tieto modely počas inferencie aktívne generujú viacero ciest riešenia, pričom každú vyhodnocujú pomocou integrovaných hodnotiacich modelov, aby určili najperspektívnejšiu možnosť. Tréning hodnotiaceho modelu na dátach označených expertmi zabezpečuje, že modely si rozvíjajú silnú schopnosť uvažovať o zložitých, viacstupňových problémoch. Táto vlastnosť umožňuje modelu posudzovať vlastné uvažovanie, čím sa veľké jazykové modely približujú schopnosti „myslieť“ namiesto jednoduchého reagovania.
Prístup DeepSeek kombinuje reťazové uvažovanie (chain-of-thought) s posilňovacím učením, v ktorom autonómny agent získava schopnosti riešiť úlohy metódou pokus-omyl bez ľudských inštrukcií. To spochybňuje predpoklad, že modely zlepšia svoje uvažovanie výlučne tréningom na označených príkladoch správneho správania. Ako to vystihol jeden z výskumníkov: „Môžeme model jednoducho odmeňovať za správnosť a nechať ho, aby si sám našiel najlepší spôsob myslenia?“
Dôsledky pre reálne aplikácie sú zásadné. Tieto modely by mohli zmeniť spôsob, akým AI rieši zložité problémy v oblastiach od vedeckého výskumu a inžinierstva až po biznis stratégiu a kreatívne riešenie problémov. Tým, že prideľujú výpočtové zdroje úmerne náročnosti úlohy – podobne ako ľudia prirodzene venujú viac času ťažším problémom – tieto systémy sľubujú spoľahlivejší výkon pri najnáročnejších intelektuálnych úlohách, ktorým ľudstvo čelí.