Μια νέα έρευνα-σοκ, σε συνεργασία με ερευνητές της Google, αποκαλύπτει ότι τα κορυφαία μοντέλα (όπως το DeepSeek-R1 και το QwQ-32B) έχουν αρχίσει να συμπεριφέρονται με έναν τρόπο που θυμίζει περισσότερο… ανθρώπινη κοινωνία παρά κώδικα.
Πιο συγκεκριμένα, μια νέα μελέτη η οποία συντάχθηκε σε συνεργασία με ερευνητές από την Google έρχεται να αλλάξει όλα όσα γνωρίζουμε και πιστεύουμε για την τεχνητή νοημοσύνη. Υποστηρίζει ότι τα προηγμένα μοντέλα AI, ιδίως μοντέλα όπως το DeepSeek-R1, αλλά και το QwQ-32B της Alibaba δεν ακολουθούν απλά αριθμούς σε μια λογική σειρά, αντίθετα εμφανίζονται να συμπεριφέρονται με έναν άκρως περίεργο τρόπο, να δρουν δηλαδή σαν μια ομάδα ανθρώπων που προσπαθεί να λύσει ένα ζήτημα.
Παραθέτουμε σχετικό απόσπασμα από την έρευνα:
Στην έρευνα δείχνουμε ότι η βελτιωμένη συλλογιστική δεν προκύπτει μόνο από περισσότερη επεξεργαστική ισχύ,, αλλά από την έμμεση προσομοίωση πολύπλοκων αλληλεπιδράσεων τύπου πολλαπλών παραγόντων — μια κοινωνία σκέψης — που διαφορετικές εσωτερικές προσεγγίσεις ανταλλάσσουν και αξιολογούν επιχειρήματα και χαρακτηρίζονται από διακριτά χαρακτηριστικά προσωπικότητας και εξειδίκευση στον τομέα.
Το paper, το οποίο είναι δημοσιευμένο στο arXiv και το οποίο μπορείτε να βρείτε εδώ με τον τίτλο Reasoning Models Generate Societies of Thought, διατυπώνει την άποψη ότι τα εν λόγω μοντέλα δεν υπολογίζουν απλώς και δεν απαντούν. Αντίθετα, προσομοιώνουν μια multi-agent αλληλεπίδραση.
Για να μπορούμε να το καταλάβουμε με απλά λόγια, θα πρέπει να φανταστούμε ένα δωμάτιο στο οποίο βρίσκονται ορισμένα άτομα και ο καθένας ρίχνει την ιδέα του, διαφωνώντας και διατυπώνοντας ο καθένας την άποψή του για τις υποθέσεις του άλλου. Κοιτάζουν σε ένα πρόβλημα δηλαδή από διαφορετικές οπτικές γωνίες πριν τελικά αποφασίσουν ποια είναι η καλύτερη λύση σε αυτό.
Κατά την άποψή μας, αυτό ακριβώς το παράδειγμα αντιπροσωπεύει τι συμβαίνει εντός του κώδικα των εν λόγω μοντέλων. Οι ερευνητές ανακάλυψαν ενδείξεις ότι τα μοντέλα παρουσιάζουν ίχνη συλλογικής νοημοσύνης, κάτι που σημαίνει ότι παράγουν αντιθετικές απόψεις και εργάζονται μαζί εσωτερικά, όπως θα έκανε μια ομάδα εργαζομένων για να αναπτύξουν την κατάλληλη εκείνη στρατηγική που θα οδηγήσει στην επίλυση του προβλήματος και στο καλύτερο δυνατό αποτέλεσμα.
Αξίζει να σημειώσουμε ότι εδώ και πολλά χρόνια η κυρίαρχη άποψη ήταν ότι το να δώσεις στα διάφορα μοντέλα περισσότερη επεξεργαστική ισχύ και περισσότερα δεδομένα ήταν ένας από τους τρόπους να τα κάνεις ακόμη καλύτερα. Να τα κάνεις να έχουν μεγαλύτερη ακρίβεια, να τα κάνεις να μειώσουν τις λανθασμένες απαντήσεις. Η έρευνα όμως διαφωνεί.
Υποστηρίζει ότι η δομή της διαδικασίας σκέψης είναι αυτή που μετράει εξίσου όσο και το scalability. Ένα μοντέλο τεχνητής νοημοσύνης το οποίο λειτουργεί σε συνεργασία με ένα άλλο σαν μια κοινωνία είναι λιγότερο πιθανό να κάνει λάθη. Και αυτό συμβαίνει γιατί εξετάζει τη δική του λογική.
Τι σημαίνει όμως αυτό για όλους εμάς;
Σημαίνει με απλά λόγια ότι η επόμενη γενιά εργαλείων στο χώρο της τεχνητής νοημοσύνης δεν θα είναι απλά πιο γρήγορη. Θα έχει εξελιχθεί σε τέτοιον βαθμό που ούτε μπορούμε να φανταστούμε αυτή τη στιγμή. Θα μπορεί να διαχειριστεί καλύτερα πολύπλοκα προβλήματα. Θα εμφανίζεται πολύ περισσότερο ανθρώπινη ως προς το πώς προσεγγίζει περίπλοκα προβλήματα. Ενώ ίσως και να μπορεί να παρουσιάζει μεγαλύτερη κριτική ικανότητα. Και ο λόγος είναι απλός. Αν η τεχνητή νοημοσύνη δει εσωτερικά ότι εστιάζει σε μία μόνο άποψη με έναν προβληματικό τρόπο σκέψης θα μπορούσε να πραγματοποιήσει τη μετάβαση σε μια άλλη.
Ακολουθήστε το Techmaniacs.gr στο Google News για να διαβάζετε πρώτοι όλα τα τεχνολογικά νέα. Ένας ακόμα τρόπος να μαθαίνετε τα πάντα πρώτοι είναι να προσθέσετε το Techmaniacs.gr στον RSS feeder σας χρησιμοποιώντας τον σύνδεσμο: https://techmaniacs.gr/feed/.
