Az AI-modellek meghaladhatják a tréningadat-eloszlásaik készségszintjét
A Harvard és a Princeton kutatói bebizonyították, hogy az AI-rendszerek többek lehetnek részeik összegénél azáltal, hogy a tréningkészleteikben találhatóknál intelligensebb javaslatokat generálnak. Generatív modelleket specifikus tudásszintekre korlátozott sakkjátszmákon tanítva a kutatók azt találták, hogy a modellek néha magasabb pontszámú lépéssorozatokat produkáltak, mint bármelyik játszma az alapul szolgáló adatkészletben. Ez a jelenség specifikus beállításokon alapul, például alacsony mintavételezési hőmérsékleten (sampling temperature), a csúcsteljesítmény előhívása érdekében.
- A modelleket bizonyos ELO-számra/képességhatárra korlátozott sakk-adatkészleteken tanították.
- A teljesítménynövekedést alacsony mintavételezési hőmérséklet használata mellett figyelték meg.
- A tanulmány bizonyítékot szolgáltat arra, hogy a „tömegek bölcsessége” effektus az AI-rendszerekre és az emberekre egyaránt érvényes.
Ez a megállapítás azt sugallja, hogy az emberek képesek lehetnek olyan AI-rendszerek létrehozására, amelyek végső soron okosabbak náluk, a széles adateloszlásokból származó információk aggregálása és finomítása révén. Ez alátámasztja azt az elképzelést, hogy az AI bizonyos típusú logikai alapú problémák esetén túlléphet a tréningkorlátain. ---