Tálsýn um hugsun Þorsteinn Siglaugsson skrifar 15. júní 2025 15:32 Snemma í júní birti Apple Machine Learning Research nýja rannsókn á stórum mállíkönum (Large Language Models), sem vakið hefur verðskuldaða athygli og bendir til að rökleg geta mállíkana sé takmarkaðri en margir hafa talið. Mállíkön og rökleg líkön Rannsakendur bera saman getu „venjulegra“ mállíkana og þróaðri líkana sem markaðssett hafa verið undir heitinu Large Reasoning Models, sem þýða mætti sem stór rökleg mállíkön. Til skýringar falla líkön á borð við ChatGPT 3.5 og 4 í fyrri flokkinn, en líkön á borð við ChatGPT o1 í þann síðari. Titill rannsóknarinnar er „The Illusion of Thinking – Understanding the Strengths and Weaknesses of Reasoning Models via the Lens of Problem Complexity“. Þetta mætti þýða þannig: „Tálsýn um hugsun: Styrkleikar og veikleikar röklegra mállíkana skoðaðir í ljósi flækjustigs úrlausnarefna.“ Báðar gerðir mállíkana byggjast á sömu grunnvirkninni; að spá fyrir um næsta orð í setningu á grundvelli líkinda sem byggjast á þjálfunargrunni líkansins. Það sem hin svonefndu röklegu líkön hafa umfram þau upprunalegu er að þau eru þjálfuð til að beita ytri aðferðum, t.d. keðju hugsana (Chain-of-Thought), til að gera niðurstöður þeirra traustari. Niðurstöður Apple benda til að aukin stærð mállíkana muni ekki geta leitt til þess að þau öðlist raunverulega rökhugsun og jafnframt að það að tala um rökleg mállíkön sé í besta falli ónákvæm orðanotkun. Þótt þau kunni að virðast hugsa séu þau í raun ófær um að beita óhlutbundinni hugsun heldur takmarkist geta þeirra við flækjustig þeirra dæma sem er að finna í þjálfunargrunninum. Hæfni til að leysa rökfræðileg vandamál prófuð Til að bera saman getu líkananna notuðust höfundarnir við fjórar röklegar gátur sem sjá má á skýringarmynd sem fengin er úr ritgerðinni. Allar gáturnar snúast um að prófa óhlutbundna rökhugsun. Fyrsta gátan, „Tower of Hanoi“, snýst til dæmis um að færa hringina til, einn í einu, þannig að aldrei sé stærri hringur ofan á smærri, þar til þeir raðast eins upp á þriðja pinnanum og þeir gera í upphafi á þeim fyrsta. Verkefnið er að gera þetta með eins fáum tilfærslum og mögulegt er. Þriðja gátan, „River Crossing“ samsvarar þekktri íslenskri vísnagátu: Hvernig flutt skal yfir á úlfur lamb og heypokinn? Ekkert granda öðru má, eitt og mann tók báturinn. Gáturnar fjórar sem vísindamenn Apple notuðu til að prófa röklega getu líkananna. Efsta línan sýnir upphaflega stöðu, neðst er lokastaðan þegar þrautin er leyst og í miðjunni dæmi um milliskref. Myndin er úr greininni sem vitnað er til. Í tilrauninni voru gáturnar gerðar flóknari og flóknari og geta líkananna til að leysa þær borin saman. Þau réðu jafn vel við gáturnar í sinni einföldustu mynd og almennu líkönin voru raunar fljótari að leysa þær. Við aukið flækjustig kom fram munur á getunni, röklegu mállíkönunum í vil. En þegar gáturnar voru orðnar mjög flóknar hættu báðar gerðir líkananna alfarið að ráða við þær, þar var enginn munur. Þessar niðurstöður eru talsvert ólíkar niðurstöðum prófana með stærðfræðiþrautum sem gjarna hafa sýnt gríðarmikinn mun á getu þessara tveggja gerða mállíkana og jafnvel að röklegu líkönin standi sig umtalsvert betur en doktorsnemar. En niðurstöður Apple benda til mun meiri takmarkana þegar kemur að óhlutbundinni rökhugsun. Veigamiklar takmarkanir Höfundar varpa fram þeirri tilgátu að takmarkandi þátturinn hér sé fjöldi dæma um úrlausnir á sambærilegum gátum í þjálfunargrunni líkananna, þ.e. að þótt líkönin virðist beita rökhugsun séu þau í raun bara að spá fyrir um úrlausnir út frá fyrri úrlausnum sem þau hafa þegar vitneskju um. Þegar er vitað að mállíkön geta lært og jafnvel myndað með sér nýja hæfni, einfaldlega vegna aukinnar stærðar og flækjustigs. Ritgerð Michals Kosinski við Stanford háskóla, „Theory of Mind Might Have Spontaneously Emerged in Large Language Models“ (2023) fjallar um hvernig ChatGPT líkönin öðluðust hæfni til að setja sig inn í hugarheim annarra - beita svonefndri hugarkenningu (Theory of Mind) - án þess að neitt breyttist nema umfang þjálfunargrunnsins og breytufjöldi í líkönunum. En rannsókn Apple gefur til kynna að ólíklegt sé að líkönin geti öðlast raunverulega rökhugsun með aukinni stærð. Þar sem rökhugsun er forsenda sjálfstæðrar ákvarðanatöku og gagnrýnins mats á eigin ályktunum vekur þetta þá spurningu hvort almenn gervigreind (General Artificial Intelligence), líkön sem ráða við allt sem maðurinn ræður við og jafnvel betur, sé mun fjær því að vera handan við hornið en margir hafa talið. Hagfræðingur og sérfræðingur í hagnýtingu gervigreindar. Viltu birta grein á Vísi? Sendu okkur póst. Senda grein Þorsteinn Siglaugsson Gervigreind Mest lesið Má berja blaðamenn? Sigríður Dögg Auðunsdóttir Skoðun Nýr rektor og 2025 – tímamót í háskólamálum Ástráður Eysteinsson,Magnús Karl Magnússon,Margrét Helga Ögmundsdóttir,Tinna Laufey Ásgeirsdóttir Skoðun Hagur hluthafanna alltaf og undantekningarlaust í forgangi Jón Kaldal Skoðun Orðhengilsháttur og lygar Elín Erna Steinarsdóttir Skoðun Að flokka hver vinnur og hver tapar Tryggvi Rúnar Brynjarsson Skoðun Samfélagið innan samfélagsins Sigríður Svanborgardóttir Skoðun Vonir um vopnahlé eins og hálmstrá Sveinn Rúnar Hauksson Skoðun Vonarsvæði fyrir framtíðina – ábyrgð stjórnvalda kallar á verndun Huld Hafliðadóttir,Heimir Harðarson Skoðun Hvers vegna hatar SFS smábáta? Svarið tengist veiðigjöldum Kjartan Páll Sveinsson Skoðun „Oft er flagð undir fögru skinni“ Guðmunda G. Guðmundsdóttir Skoðun Skoðun Skoðun Að flokka hver vinnur og hver tapar Tryggvi Rúnar Brynjarsson skrifar Skoðun Hagur hluthafanna alltaf og undantekningarlaust í forgangi Jón Kaldal skrifar Skoðun Má berja blaðamenn? Sigríður Dögg Auðunsdóttir skrifar Skoðun Nýr rektor og 2025 – tímamót í háskólamálum Ástráður Eysteinsson,Magnús Karl Magnússon,Margrét Helga Ögmundsdóttir,Tinna Laufey Ásgeirsdóttir skrifar Skoðun Vonir um vopnahlé eins og hálmstrá Sveinn Rúnar Hauksson skrifar Skoðun Samfélagið innan samfélagsins Sigríður Svanborgardóttir skrifar Skoðun Til hamingju Íslendingar með nýja Óperu Andri Björn Róbertsson skrifar Skoðun Hvers vegna hatar SFS smábáta? Svarið tengist veiðigjöldum Kjartan Páll Sveinsson skrifar Skoðun „Oft er flagð undir fögru skinni“ Guðmunda G. Guðmundsdóttir skrifar Skoðun Orðhengilsháttur og lygar Elín Erna Steinarsdóttir skrifar Skoðun Fjögurra daga vinnuvika – nýr veruleiki? Sigvaldi Einarsson skrifar Skoðun Ráðherra gengur fram án laga Svanur Guðmundsson skrifar Skoðun Hagkvæmur kostur utan friðlands Jóna Bjarnadóttir skrifar Skoðun Gagnsæi og inntak Halldóra Lillý Jóhannsdóttir skrifar Skoðun Sumargjöf Þórunn Sigurðardóttir skrifar Skoðun Hannað fyrir miklu stærri markaði Hjörtur J. Guðmundsson skrifar Skoðun Grafarvogur framtíðar verður til Sara Björg Sigurðardóttir skrifar Skoðun Málþófið um veiðigjöldin vekur miskunnsama Samverja Sigurjón Þórðarson skrifar Skoðun Menntastefna 2030 Guðmundur Ingi Kristinsson skrifar Skoðun Ágætu fyrrum samstarfsaðilar á Þjóðminjasafni Íslands Uggi Jónsson skrifar Skoðun Ferðamannaþorpin - Náttúruvá Þóra B. Hafsteinsdóttir skrifar Skoðun Vonarsvæði fyrir framtíðina – ábyrgð stjórnvalda kallar á verndun Huld Hafliðadóttir,Heimir Harðarson skrifar Skoðun Laxaharmleikur Jóhannes Sturlaugsson skrifar Skoðun Lýðræðið í skötulíki! Lilja Rafney Magnúsdóttir skrifar Skoðun Stærðfræðikennari sem kann ekki að reikna? (Og getur ekki lært það!) Brynjólfur Þorvarðsson skrifar Skoðun Íslendingar greiða sama hlutfall útgjalda í mat og Norðurlöndin Margrét Gísladóttir skrifar Skoðun Til varnar jafnlaunavottun Magnea Marinósdóttir skrifar Skoðun Heimaþjónusta og velferðartækni: Lykillinn að sjálfbæru heilbrigðiskerfi Auður Guðmundsdóttir skrifar Skoðun Barnaræninginn Pútín Gunnar Hólmsteinn Ársælsson skrifar Skoðun Um þjóð og ríki Gauti Kristmannsson skrifar Sjá meira
Snemma í júní birti Apple Machine Learning Research nýja rannsókn á stórum mállíkönum (Large Language Models), sem vakið hefur verðskuldaða athygli og bendir til að rökleg geta mállíkana sé takmarkaðri en margir hafa talið. Mállíkön og rökleg líkön Rannsakendur bera saman getu „venjulegra“ mállíkana og þróaðri líkana sem markaðssett hafa verið undir heitinu Large Reasoning Models, sem þýða mætti sem stór rökleg mállíkön. Til skýringar falla líkön á borð við ChatGPT 3.5 og 4 í fyrri flokkinn, en líkön á borð við ChatGPT o1 í þann síðari. Titill rannsóknarinnar er „The Illusion of Thinking – Understanding the Strengths and Weaknesses of Reasoning Models via the Lens of Problem Complexity“. Þetta mætti þýða þannig: „Tálsýn um hugsun: Styrkleikar og veikleikar röklegra mállíkana skoðaðir í ljósi flækjustigs úrlausnarefna.“ Báðar gerðir mállíkana byggjast á sömu grunnvirkninni; að spá fyrir um næsta orð í setningu á grundvelli líkinda sem byggjast á þjálfunargrunni líkansins. Það sem hin svonefndu röklegu líkön hafa umfram þau upprunalegu er að þau eru þjálfuð til að beita ytri aðferðum, t.d. keðju hugsana (Chain-of-Thought), til að gera niðurstöður þeirra traustari. Niðurstöður Apple benda til að aukin stærð mállíkana muni ekki geta leitt til þess að þau öðlist raunverulega rökhugsun og jafnframt að það að tala um rökleg mállíkön sé í besta falli ónákvæm orðanotkun. Þótt þau kunni að virðast hugsa séu þau í raun ófær um að beita óhlutbundinni hugsun heldur takmarkist geta þeirra við flækjustig þeirra dæma sem er að finna í þjálfunargrunninum. Hæfni til að leysa rökfræðileg vandamál prófuð Til að bera saman getu líkananna notuðust höfundarnir við fjórar röklegar gátur sem sjá má á skýringarmynd sem fengin er úr ritgerðinni. Allar gáturnar snúast um að prófa óhlutbundna rökhugsun. Fyrsta gátan, „Tower of Hanoi“, snýst til dæmis um að færa hringina til, einn í einu, þannig að aldrei sé stærri hringur ofan á smærri, þar til þeir raðast eins upp á þriðja pinnanum og þeir gera í upphafi á þeim fyrsta. Verkefnið er að gera þetta með eins fáum tilfærslum og mögulegt er. Þriðja gátan, „River Crossing“ samsvarar þekktri íslenskri vísnagátu: Hvernig flutt skal yfir á úlfur lamb og heypokinn? Ekkert granda öðru má, eitt og mann tók báturinn. Gáturnar fjórar sem vísindamenn Apple notuðu til að prófa röklega getu líkananna. Efsta línan sýnir upphaflega stöðu, neðst er lokastaðan þegar þrautin er leyst og í miðjunni dæmi um milliskref. Myndin er úr greininni sem vitnað er til. Í tilrauninni voru gáturnar gerðar flóknari og flóknari og geta líkananna til að leysa þær borin saman. Þau réðu jafn vel við gáturnar í sinni einföldustu mynd og almennu líkönin voru raunar fljótari að leysa þær. Við aukið flækjustig kom fram munur á getunni, röklegu mállíkönunum í vil. En þegar gáturnar voru orðnar mjög flóknar hættu báðar gerðir líkananna alfarið að ráða við þær, þar var enginn munur. Þessar niðurstöður eru talsvert ólíkar niðurstöðum prófana með stærðfræðiþrautum sem gjarna hafa sýnt gríðarmikinn mun á getu þessara tveggja gerða mállíkana og jafnvel að röklegu líkönin standi sig umtalsvert betur en doktorsnemar. En niðurstöður Apple benda til mun meiri takmarkana þegar kemur að óhlutbundinni rökhugsun. Veigamiklar takmarkanir Höfundar varpa fram þeirri tilgátu að takmarkandi þátturinn hér sé fjöldi dæma um úrlausnir á sambærilegum gátum í þjálfunargrunni líkananna, þ.e. að þótt líkönin virðist beita rökhugsun séu þau í raun bara að spá fyrir um úrlausnir út frá fyrri úrlausnum sem þau hafa þegar vitneskju um. Þegar er vitað að mállíkön geta lært og jafnvel myndað með sér nýja hæfni, einfaldlega vegna aukinnar stærðar og flækjustigs. Ritgerð Michals Kosinski við Stanford háskóla, „Theory of Mind Might Have Spontaneously Emerged in Large Language Models“ (2023) fjallar um hvernig ChatGPT líkönin öðluðust hæfni til að setja sig inn í hugarheim annarra - beita svonefndri hugarkenningu (Theory of Mind) - án þess að neitt breyttist nema umfang þjálfunargrunnsins og breytufjöldi í líkönunum. En rannsókn Apple gefur til kynna að ólíklegt sé að líkönin geti öðlast raunverulega rökhugsun með aukinni stærð. Þar sem rökhugsun er forsenda sjálfstæðrar ákvarðanatöku og gagnrýnins mats á eigin ályktunum vekur þetta þá spurningu hvort almenn gervigreind (General Artificial Intelligence), líkön sem ráða við allt sem maðurinn ræður við og jafnvel betur, sé mun fjær því að vera handan við hornið en margir hafa talið. Hagfræðingur og sérfræðingur í hagnýtingu gervigreindar.
Nýr rektor og 2025 – tímamót í háskólamálum Ástráður Eysteinsson,Magnús Karl Magnússon,Margrét Helga Ögmundsdóttir,Tinna Laufey Ásgeirsdóttir Skoðun
Vonarsvæði fyrir framtíðina – ábyrgð stjórnvalda kallar á verndun Huld Hafliðadóttir,Heimir Harðarson Skoðun
Skoðun Nýr rektor og 2025 – tímamót í háskólamálum Ástráður Eysteinsson,Magnús Karl Magnússon,Margrét Helga Ögmundsdóttir,Tinna Laufey Ásgeirsdóttir skrifar
Skoðun Vonarsvæði fyrir framtíðina – ábyrgð stjórnvalda kallar á verndun Huld Hafliðadóttir,Heimir Harðarson skrifar
Skoðun Stærðfræðikennari sem kann ekki að reikna? (Og getur ekki lært það!) Brynjólfur Þorvarðsson skrifar
Skoðun Íslendingar greiða sama hlutfall útgjalda í mat og Norðurlöndin Margrét Gísladóttir skrifar
Skoðun Heimaþjónusta og velferðartækni: Lykillinn að sjálfbæru heilbrigðiskerfi Auður Guðmundsdóttir skrifar
Nýr rektor og 2025 – tímamót í háskólamálum Ástráður Eysteinsson,Magnús Karl Magnússon,Margrét Helga Ögmundsdóttir,Tinna Laufey Ásgeirsdóttir Skoðun
Vonarsvæði fyrir framtíðina – ábyrgð stjórnvalda kallar á verndun Huld Hafliðadóttir,Heimir Harðarson Skoðun