Facebook-ის მფლობელმა Meta-მ ახლახან განაცხადა, რომ თავისი კვლევითი განყოფილებიდან ახალ ხელოვნური ინტელექტის მოდელებს გამოუშვებს, მათ შორის Self-Taught Evaluator-ს, რომელიც AI-ის განვითარების პროცესში ადამიანთა ნაკლებ ჩართულობას გახდის საჭიროს.
მანამდე კი მეტამ „ფიქრების ჯაჭვის“ ტექნიკა გაგვაცნო, რომელსაც OpenAI-ის უახლესი o1 მოდელები იყენებს. აღნიშნული ტექნიკა კომპლექსური პრობლემების პატარა ლოგიკურ ნაბიჯებად დაყოფას მოიცავს, რითაც პასუხებიც უფრო ზუსტი ხდება ისეთი საკითხებისთვის, რომლებიც მეცნიერებას, კოდირებასა და მათემატიკას შეეხება.
ხოლო უშუალოდ შეფასების მოდელისთვის მეტას მკვლევრებმა სრულად ხელოვნური ინტელექტის მიერ გენერირებული მონაცემები გამოიყენეს, რითაც ადამიანის წვლილიც მინიმუმამდე დაიყვანეს. ამგვარად, AI-ის გამოყენების შესაძლებლობა ხელოვნური ინტელექტის სანდოობის შესაფასებლად პოტენციურ გზას გვთავაზობს ავტონომიური AI აგენტებისკენ, რომლებსაც თავიანთი შეცდომებისგან სწავლა შეუძლიათ. ბევრი ამგვარ აგენტებს ციფრულ ასისტენტად მიიჩნევს, რომელიც საკმარისად ჭკვიანია იმისათვის, რომ უამრავი ამოცანა, ადამიანის ჩარევის გარეშე, ამოხსნას.
მსგავსმა მოდელებმა, შესაძლოა, ძვირიანი და ნაკლებად ეფექტური პროცესიც აგვარიდოს თავიდან, რომელიც Reinforcement Learning from Human Feedback-ის სახელითაა ცნობილი — ადამიანების ჩართვას მოითხოვს, რომელთაც შესაბამისი გამოცდილება უნდა ჰქონდეთ, რათა მონაცემები ზუსტად დაახარისხონ და კომპლექსური მათემატიკური ამოცანებისა თუ სხვა მოთხოვნების პასუხების სისწორეც დაადასტურონ.
„ვიმედოვნებთ, რომ AI უფრო და უფრო იქცევა სუპერ ადამიანად, გაუმჯობესდება თავისი ნამუშევრის გადამოწმებაში, რითაც პოტენციურად ჩვეულებრივ ადამიანზე უკეთესიც გახდება. თვითნასწავლი და თვითშეფასების უნარის მქონე მოდელის იდეა გადამწყვეტი მნიშვნელობისაა ხელოვნური ინტელექტის სუპერ ადამიანურ დონემდე მისასვლელად“, — აცხადებს ჯეისონ უესტონი, ერთ-ერთი მკვლევარი.
აღნიშნულთან ერთად, მეტამ სურათების იდენტიფიკაციის Segment Anything მოდელი გაგვაცნო, ხელსაწყო, რომელიც LLM-ის პასუხების გენერირების დროს ამცირებს და მონაცემთა ბაზები, რომლებიც, შესაძლოა, ახალი არაორგანული მასალების აღმოსაჩენად გამოიყენონ…
