대규모 언어 모델의 가치와 신뢰성을 향상시키기 위한 가장 중요한 최근 혁신 중 하나는 다음과 같습니다. 생각의 사슬 및 그 파생 상품을 포함합니다. 생각의 나무 과 생각의 그래프.
이러한 구조는 효과적인 설계에도 매우 중요합니다. 더 나은 사고를 위한 인간 + AI 워크플로우.
이 기사에서는 Chain-of-Thought에 대한 높은 수준의 관점을 제공하고 다음 응용 프로그램을 살펴보겠습니다. AI로 강화된 인간 지능.
생각의 사슬
LLM(대형 언어 모델)은 일반적으로 텍스트 생성에는 탁월하지만 순차적 추론과 관련된 작업에는 좋지 않습니다.
랜드마크 2022년 XNUMX월 논문 생각의 사슬 프롬프트는 대규모 언어 모델에서 추론을 이끌어냅니다. 일련의 사고(“일련의 중간 추론 단계”)가 수학 및 상식 퍼즐을 포함한 추론 작업에서 LLM 성과를 크게 향상시킬 수 있는 방법을 제시했습니다.
이 이미지를 본 적이 있을 것입니다. 종이 라운드를 하고 있습니다.
이 개념은 다음을 포함한 다른 응용 프로그램에 빠르게 적용되었습니다. 시간적 추론, 시각적 언어 모델, 검색 증강 추론및 AI 모델의 성능을 향상시키는 기타 여러 가지 방법이 있습니다.
사고의 사슬은 실제 문제 해결 응용 분야에서 특히 귀중한 것으로 입증되었습니다. 명백한 예는 다음과 같습니다 의학, 법및 교육.
Google의 PaLM 및 Med-PaLM은 사고 사슬 구조를 통합하고 OpenAI의 GPT-4는 그럴 가능성이 높습니다. 즉, LLM을 사용할 때 이러한 접근 방식이 이미 내장되어 있습니다.
그럼에도 불구하고 "올바른 답을 얻을 수 있도록 단계별로 이를 해결해 봅시다"라는 메시지나 이에 대한 변형으로 유명합니다. 최고의 LLM 성과 제공 다양한 종류의 작업에 사용됩니다.
사고 사슬의 진화
Chain-of-Thought를 구축함으로써 수많은 혁신이 나타났습니다.
효과적인 추론 프로세스가 반드시 단일 궤적을 따르는 것은 아닙니다. 이로 인해 생각의 나무 구조, 설명됨 생각의 나무: 대규모 언어 모델을 사용한 고의적 문제 해결.
논문의 이 다이어그램에 표시된 것처럼 Chain-of-Thought는 먼저 여러 출력에서 가장 빈번한 경로를 선택한 다음 사고 프로세스를 통해 여러 경로 중 가장 좋은 경로를 선택하는 것으로 진행할 수 있습니다.
Chain-of-Thought에 대한 보다 최근의 개발에는 매우 유망한 것들이 포함됩니다. 생각의 그래프 만큼 잘 생각의 하이퍼그래프.
새로운 '사고' 구조가 생성적 AI 발전의 중심이 될 것입니다.
LLM의 한계를 해결하고 그 역량을 향상시키기 위해 사고 사슬 및 관련 기술이 만들어졌습니다.
생성적 AI 모델의 지속적인 발전은 컴퓨팅 용량이나 모델 크기보다 이러한 종류의 구조화된 사고 기술에 훨씬 더 많이 의존하게 될 것입니다. 이러한 접근 방식은 이미 활성화되었습니다. 성과 달성을 위한 작고 효율적인 LLM 이는 가장 큰 모델에 접근할 수 있습니다.
Chain-of-Thought 및 유사한 모델도 다음과 같은 직접적인 결과를 낳습니다. 다중 에이전트 체인, 사고의 사슬이나 네트워크가 작업에 최적화된 여러 모델에 걸쳐 배치되어 단일 모델 내에서 달성할 수 있는 것보다 훨씬 우수한 추론과 결과를 생성합니다.
인공일반지능보다 증강지능이 더 중요하다
“기술은 인간을 대체하는 것이 아니라 인간의 능력을 증폭시키는 것을 목표로 해야 합니다.” — 더그 엥겔바트
거의 모든 AI 개발의 원동력은 인간의 지능과 능력을 모방하고 잠재적으로 능가할 수 있는 기계를 만드는 것 같습니다.
그것은 이해할 수 있는 야망이다.
하지만 나는 훨씬 더 많은 관심을 가지고 있습니다. AI가 인간 지능을 어떻게 강화할 수 있는지.
두 도메인을 동시에 작업할 수 있습니다.
그러나 인공일반지능(Artificial General Intelligence)을 향한 진전을 위한 모든 가능한 시나리오에서 우리가 최소한 동일한 에너지를 투자한다면 우리는 더 나아질 것입니다. Human + AI 사고 구조 구축, 학습 및 적용.
인간 + AI 사고 워크플로우
의 개념 인간 + AI 내 작업의 핵심이다.
제가 1년 전에 만든 아래 프레임워크는 "인간 + AI 워크플로우“사람과 AI가 각자에게 가장 적합한 작업을 순차적으로 처리하는 방식입니다.
잘 설계된다면 이는 필연적으로 각각 단독으로 할 수 있는 것보다 우수한 결과를 생성합니다.
그 이후로 나는 최고의 인간 + AI 사고 구조가 구체적으로 무엇인지 훨씬 더 자세히 파헤쳐 왔습니다.
이것이 기초가 될 것입니다. 증강된 인간 지능의 다음 단계.
AI로 강화된 인간 사고를 위한 사고 사슬
Chain-of-Thought에서 나오는 개념은 LLM의 독립형 기능을 향상시키기 위해 개발되었습니다.
그러나 이는 또한 인간과 AI가 함께 일하는 가치를 극대화하는 데 있어 엄청난 가치가 있음이 입증되었습니다.
다양한 종류가 있습니다 인간에 사고 사슬 구조를 적용하는 기술 + AI 사고 흐름.
증강지능에 적용되는 AI 개념
LLM을 사용하면 인간이나 AI가 인간이나 AI 기능이 가장 적합한 위치를 식별하여 작업을 순차적(또는 네트워크로 연결된) 요소로 분해할 수 있는 방법을 제안할 수 있습니다.
한 가지 구체적인 접근 방식이 설명되어 있습니다. 사고 사슬을 통한 인간 참여 루프(Human-in-the-Loop), "논리의 하위 논리를 수동으로 수정하면 LLM의 추론 성능을 향상시킬 수 있습니다."
Humans + AI 워크플로우 다이어그램에 표시된 대로 목표, 작업 및 구조를 "프레임화"하면 결과의 품질이 향상됩니다. 이는 일반적으로 AI 제안 또는 매개변수 평가와 같은 흐름을 사용하여 인간이 가장 잘 감독합니다.
나는 이러한 접근 방식과 기타 접근 방식을 "AI 강화 사고 패턴" 세트에 통합하고 있습니다.
보다 일반적으로 생각의 사슬뿐만 아니라 다양한 AI 발전은 인간 지능을 강화하는 데 매우 유용하게 적용될 수 있습니다.
나는 개념을 적용하는 것과 비슷한 글을 쓸 생각이다. 생성 적 적대 네트워크 에 인간-AI 공생지능 구조.
AI를 활용한 사고 및 의사결정 과정
2024년의 나의 완전한 초점은 AI가 어떻게 인간을 강화할 수 있는지입니다.
나의 주요 활동 중 하나는 Maven에서 정기적인 코호트 과정을 운영하는 것입니다. AI로 강화된 사고 및 의사결정. 자세한 내용은 링크를 확인하세요.
다음 코호트는 8월 30일에 시작됩니다. 이 글을 끝까지 읽어주신 데 대한 감사의 표시로 COTARTICLE 쿠폰을 사용하여 XNUMX% 할인을 받으실 수 있습니다 🙂.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://rossdawson.com/applying-chain-of-thought-to-ai-enhanced-human-thinking/
