Probleemoplossing was een van die aangebore vermoëns van mense. Sedert ons primitiewe dae, toe ons groot uitdagings in die lewe nie deur 'n roofdier tot die hedendaagse tyd opgevreet was om iets vinnig by die huis afgelewer te kry nie, het ons ons kreatiwiteit, logiese redenasie en intelligensie gekombineer om met oplossings vir konflikte vorendag te kom. .
Nou, terwyl ons die ontstaan van KI-gevoelens sien, word ons gekonfronteer met nuwe uitdagings met betrekking tot hul besluitnemingsvermoëns. Terwyl die vorige dekade net daaroor gegaan het om die moontlikhede en potensiaal van KI-modelle en toepassings te vier, gaan hierdie dekade daaroor om 'n stap verder te gaan – om die legitimiteit van besluite wat deur sulke modelle geneem word te bevraagteken en om die redenasie daaragter af te lei.
Namate verklaarbare kunsmatige intelligensie (XAI) meer prominensie kry, is dit die oomblik om 'n sleutelkonsep te bespreek in die ontwikkeling van KI-modelle wat ons noem Ketting-van-gedagte-aansporing. In hierdie artikel sal ons breedvoerig dekodeer en demystifiseer wat dit beteken en eenvoudige terme.
Wat is die ketting-van-denke aanleiding?
Wanneer die menslike verstand gereed is vir 'n uitdaging of 'n komplekse probleem, probeer dit natuurlik om dit op te breek in fragmente van kleiner opeenvolgende stappe. Gedryf deur logika, vestig die verstand verbindings en simuleer oorsaak-en-gevolg scenario's om die beste moontlike oplossing vir die uitdaging te strategiseer.
Die proses om dit in 'n KI-model of -stelsel te repliseer is Ketting-van-gedagte-aansporing.
Soos die naam aandui, genereer 'n KI-model 'n reeks of 'n ketting van logiese gedagtes (of stappe) om 'n navraag of konflik te benader. Visualiseer dit as om 'n draai-vir-draai instruksie te gee aan iemand wat vra vir 'n roete na 'n bestemming.
Dit is die oorheersende tegniek wat in OpenAI se redenasiemodelle ontplooi word. Aangesien hulle ontwerp is om te dink voordat hulle 'n antwoord of 'n antwoord genereer, kon hulle mededingende eksamens wat deur mense geneem is, kraak.
[Lees ook: Alles wat jy moet weet oor LLM]
Voordele van Chain-of-Thought-aansporing
Enigiets wat logika-gedrewe is, lewer 'n beduidende voorsprong op. Net so bied modelle wat op ketting-van-gedagte-aansporing opgelei is nie net akkuraatheid en relevansie nie, maar 'n uiteenlopende reeks voordele, insluitend:
Enhanced probleemoplossing vermoëns, waar hul belangrikheid van kritieke belang is in velde soos gesondheidsorg en finansies. LLM's wat ketting-van-gedagte-aansporings ontplooi, verstaan eksplisiete en onderliggende uitdagings beter en genereer antwoorde na oorweging van duidelike waarskynlikhede en ergste scenario's.
versagtende aannames en resultate gegenereer uit aannames omdat modelle logiese en opeenvolgende denke en verwerking toepas om af te sluit eerder as om tot gevolgtrekkings te spring.
Toegeneem veelsydigheid aangesien modelle nie streng opgelei hoef te word op 'n nuwe gebruiksgeval nie, aangesien dit volgens logika en nie doelgerigtheid gaan nie.
new samehang in take wat meervoudige/meervoudige antwoorde behels.
Die anatomie van die werking van die ketting-van-gedagte-aansporende tegniek
As jy vertroud is met die monolitiese sagteware-argitektuur, sal jy weet dat die hele sagteware-toepassing as 'n enkele samehangende eenheid ontwikkel is. Die vereenvoudiging van so 'n komplekse belasting het gekom met die mikrodienste-argitektuurmetode wat die opbreek van sagteware in onafhanklike dienste behels het. Dit het ook gelei tot vinniger ontwikkeling van produkte en naatlose funksionaliteit.
CoT-aanvraag in KI is soortgelyk, waar LLM's gelei word deur 'n reeks opeenvolgende prosesse van redenasie om 'n reaksie te genereer. Dit word gedoen deur:
- Eksplisiete instruksies, waar modelle direk opdrag gegee word om 'n probleem opeenvolgend te benader deur eenvoudige opdragte.
- Implisiete onderrig is meer subtiel en genuanseerd in sy benadering. Hierin word 'n model deur die logika van 'n soortgelyke taak geneem en gebruik sy afleidings- en begripsvermoëns om die logika vir sy aangebied probleme te herhaal.
- Demonstratiewe voorbeelde, waar 'n model stap-vir-stap redenasies sal uitlê en inkrementele insigte sal genereer om 'n probleem op te los.
3 werklike gevalle waar CoT-aansporing gebruik word
Finansiële besluite modelle
| Multimodale CoT In Bots
| Gesondheidsorgdiens
|
|---|---|---|
| In hierdie hoogs wisselvallige sektor kan CoT-aansporing gebruik word om die potensiële finansiële trajek van 'n maatskappy te verstaan, risikobeoordelings van kredietsoekers uit te voer, en meer | Chatbots wat vir ondernemings ontwikkel en ontplooi word, vereis nisfunksies. Hulle moet vermoëns ten toon stel om verskillende formate van insette te verstaan. CoT-aansporing werk die beste in sulke gevalle, waar bots teks- en beeldopdragte moet kombineer om antwoorde vir navrae te genereer. | Van die diagnose van pasiënte uit gesondheidsorgdata tot die opstel van persoonlike behandelingsplanne vir pasiënte, CoT-aansporing kan gesondheidsorgdoelwitte vir klinieke en hospitale aanvul. |
voorbeeld
Kliëntnavraag: Ek het 'n transaksie op my rekening opgemerk wat ek nie herken nie, my debietkaart is verlore, en ek wil waarskuwings vir my rekeningtransaksies opstel. Kan jy my help met hierdie probleme?
Stap 1: Identifiseer en kategoriseer die kwessies
- Onherkende transaksie.
- Debietkaart verloor.
- Stel transaksiewaarskuwings op.
Stap 2: spreek die onherkende transaksie aan
Vra vir besonderhede: Kan u die datum en bedrag van die transaksie verskaf?
- Tak 1: Indien besonderhede verskaf word:
- Hersien die transaksie. As dit bedrieglik is, vra of die kliënt dit wil betwis.
- Tak 2: Indien geen besonderhede nie:
- Bied aan om 'n lys van onlangse transaksies te verskaf.
Stap 3: Adres die verlore debietkaart
Vries die kaart: Beveel onmiddellike vriesing aan.
- Tak 1: As die kliënt instem:
- Vries die kaart en vra of hulle 'n plaasvervanger wil hê. Bevestig versendingsadres.
- Tak 2: As die kliënt weier:
- Adviseer die monitering van die rekening vir ongemagtigde transaksies.
Stap 4: Stel transaksiewaarskuwings op
Kies waarskuwingsmetode: SMS, e-pos of albei?
- Tak 1: As 'n kliënt kies:
- Stel waarskuwings vir transaksies bo 'n gespesifiseerde bedrag. Vra vir die bedrag.
- Tak 2: Indien onseker:
- Stel 'n verstekbedrag voor (bv. $50) en bevestig.
Stap 5: Verskaf 'n opsomming en volgende stappe
- Ondersoek die onerkende transaksie.
- Bevriesing van die debietkaart en moontlik 'n plaasvervanger uitreik.
- Stel transaksiewaarskuwings op soos versoek.
rasionaal:
Hierdie proses spreek doeltreffend veelvuldige klantnavrae aan deur duidelike stappe en besluitnemingsvertakkings, wat omvattende oplossings verseker.
Beperkings van CoT-aanvraag
Ketting-van-denke is inderdaad effektief, maar dit is ook onderhewig aan die gebruiksgeval waarop dit toegepas word en verskeie ander faktore. Daar is spesifieke uitdagings verbonde aan CoT-aanvraag in AI wat verhoed dat belanghebbendes sy potensiaal ten volle benut. Kom ons kyk na die algemene knelpunte:
Oorkompliseer eenvoudige take
Alhoewel CoT-aansporing die beste werk vir komplekse take, kan dit eenvoudige take bemoeilik en verkeerde antwoorde genereer. Vir take wat geen redenasie vereis nie, werk direkte-antwoord-modelle die beste.
Verhoogde berekeningslading
Die verwerking van CoT-aansporing vereis aansienlike berekeningslading en as die tegniek op kleiner modelle ontplooi word wat met beperkte verwerkingsvermoëns gebou is, kan dit hulle oorweldig. Gevolge van sulke ontplooiings kan stadiger reaksietye, swak doeltreffendheid, onsamehangendheid en meer insluit.
Kwaliteit van KI vinnige ingenieurswese
CoT-aanvraag in KI werk onder die aanname (of beginsel) dat 'n spesifieke aansporing goed geartikuleer, gestruktureerd en duidelik is. As 'n versoek hierdie faktore ontbreek, verloor CoT-aansporing die vermoë om die vereiste te begryp, wat lei tot die generering van irrelevante opeenvolgende stappe en uiteindelik reaksies.
Verminderde vermoëns op skaal
Belanghebbendes kan ervaar dat hul modelle sukkel as hulle ketting-van-gedagte-aansporing moet gebruik vir massiewe volumes datastelle of kompleksiteite van probleme. Vir take wat groter redenasiestappe behels, kan die tegniek reaksietyd vertraag, wat dit ongeskik maak vir toepassings of gebruiksgevalle wat intydse reaksiegenerering vereis.
CoT-aansporing is 'n fenomenale tegniek om die werkverrigting van te optimaliseer Groot taalmodelle. As sulke tekortkominge aangespreek en opgelos kan word deur optimaliseringstegnieke of oplossings, kan dit ongelooflike resultate lewer. Soos tegnologie vorder, sal dit interessant wees om te sien hoe Chain-of-Thought-aansporing ontwikkel en ook eenvoudiger, maar ook meer nis word.
