استارتاپ سنگاپوری Sapient Intelligence موفق به طراحی معماری تازه‌ای در حوزه هوش مصنوعی شده است که در اجرای وظایف پیچیده استدلالی نه‌تنها با مدل‌های زبانی بزرگ (LLM) رقابت می‌کند، بلکه در برخی موارد به‌طور چشمگیری عملکرد بهتری از خود نشان می‌دهد.
بر اساس گزارش وب‌سایت VentureBeat، این فناوری که تحت عنوان «مدل استدلال سلسله‌مراتبی» معرفی شده، با الهام از سازوکار مغز انسان توسعه یافته است. در این معماری، همانند سیستم عصبی ما، دو مسیر متفاوت پردازشی شبیه‌سازی شده‌اند: یکی برای تصمیم‌گیری‌های آگاهانه و آهسته و دیگری برای واکنش‌های سریع و شهودی.
ویژگی برجسته این مدل، دستیابی به نتایج پیشرفته با بهره‌گیری از حجم داده‌ای بسیار کمتر و حافظه‌ای محدودتر نسبت به مدل‌های زبانی رایج است. این قابلیت، به‌ویژه در پروژه‌های سازمانی که با محدودیت منابع محاسباتی و داده روبه‌رو هستند، می‌تواند یک مزیت رقابتی کلیدی محسوب شود و مسیر توسعه نسل آینده هوش مصنوعی را دگرگون کند.
پیشرفت Sapient Intelligence نشان می‌دهد که آینده هوش مصنوعی لزوماً در گرو مدل‌های بزرگ و پرهزینه نیست. تمرکز بر طراحی ساختارهای الهام گرفته از مغز انسان می‌تواند علاوه بر کاهش مصرف منابع، کارایی را به‌طور قابل‌توجهی افزایش دهد. اگر این رویکرد به‌طور گسترده به‌کار گرفته شود، ممکن است شاهد موج جدیدی از هوش مصنوعی‌های سبک، سریع و بهینه باشیم که کاربردهای عملی بیشتری نسبت به مدل‌های سنگین فعلی دارند.
عبور از زنجیره افکار؛ جهش به‌سوی استدلال نهفته در هوش مصنوعی
مدل‌های زبانی بزرگ در مواجهه با مسائل پیچیده معمولاً از روش موسوم به «زنجیره افکار» بهره می‌برند. در این شیوه، مسئله به گام‌های متنی کوچکتر تقسیم می‌شود و مدل ناچار است به‌صورت صریح مراحل ذهنی خود را بازگو کند تا به راه‌حل نهایی برسد.
بااین‌حال، گروهی از محققان سنگاپوری در مقاله‌ای تازه اعلام کرده‌اند که رویکرد زنجیره افکار (CoT) نه یک راهکار پایدار، بلکه تنها تکیه‌گاهی موقت است. این روش به تجزیه‌های از پیش‌تعریف‌شده توسط انسان وابسته است و همین ویژگی باعث می‌شود کوچک‌ترین خطا یا تغییر در ترتیب مراحل، کل فرآیند استدلال را مختل کند.
برای حل این مشکل، پژوهشگران رویکردی نوین با نام «استدلال نهفته» را مطرح کرده‌اند. در این شیوه، مدل به‌جای تولید صریح مراحل فکری، فرآیند استدلال را به شکل بازنمایی‌های درونی و انتزاعی انجام می‌دهد؛ الگویی که شباهت بیشتری به نحوه تفکر طبیعی انسان دارد.
نتیجه این تحقیق، توسعه معماری‌ای است که می‌تواند در وظایف استدلالی تا ۱۰۰ برابر سریع‌تر از مدل‌های زبانی موجود عمل کند و جالب آنکه تنها با استفاده از هزار نمونه آموزشی به چنین سطحی از مهارت و سرعت دست یافته است.
این تغییر پارادایم از «زنجیره افکار» به «استدلال نهفته» می‌تواند یکی از مهم‌ترین تحولات آینده هوش مصنوعی باشد. مدل‌هایی که بدون نیاز به مراحل متنی آشکار و با الهام از الگوهای شناختی مغز انسان کار می‌کنند، نه‌تنها سرعت بیشتری دارند، بلکه احتمال خطاهای ناشی از وابستگی به دستورالعمل‌های انسانی را کاهش می‌دهند. اگر این روند ادامه پیدا کند، ممکن است شاهد ظهور نسل جدیدی از هوش مصنوعی باشیم که هم سبک‌تر است، هم دقیق‌تر و هم بسیار کارآمدتر در حل مسائل پیچیده.