Alternatívaként javasolják a következtetés alapú energiamodelleket a token-alapú AI-val szemben
Eve Bodnia, a Logical Intelligence munkatársa szerint a jelenlegi AI a következő szó előrejelzésén alapul, ami nem valódi következtetés. Megoldása egy „következtetés alapú energiamodell” (Reasoning Energy-Based Model), amely egyáltalán nem használ tokeneket. Ez a megközelítés a hallucinációk belső mechanizmusát hivatott megoldani, amelyet Bodnia a nyelv alapú token-előrejelzés alapvető melléktermékeként azonosít.
A „Kona” modell egy „Energia Táj” (Energy Landscape) áttörést használ a nyelv nélküli következtetéshez. Az összehasonlító tesztek során ez a modell jelentősen felülmúlta a hagyományos Large Language Model-eket (LLM) az összetett logikai feladatokban, például a Sudokuban, ahol az LLM-ek általában kudarcot vallanak, mivel a tiszta logika helyett a nyelvi mintákra támaszkodnak.
- A Kona modell nyelv használata nélkül következtet az „Energia Táj” megközelítés segítségével.
- A token-előrejelzési mechanizmus eltávolításával kezeli az AI-hallucinációkat.
- A modell 96%-os sikerarányt ért el a Sudoku teszteken, szemben a hagyományos LLM-ek mindössze 2%-os eredményével.
- Az energiamodellek hatékonyabb következtetésük révén potenciálisan csökkenthetik a masszív GPU-skálázás iránti igényt.
Miért fontos: Ha a token-mentes energiamodellek kiváló logikát és nulla hallucinációt képesek nyújtani, az hatalmas elmozdulást jelenthet az AI-architektúrában a jelenleg az OpenAI és a Google által dominált transformer modellektől. ---