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 Er þetta virkilega svarið frá Þjóðkirkjunni? – þegar barn þarf að flýja úr helgidóm Hilmar Kristinsson Skoðun Glerbrotin í ryksugupokanum Kristín Kolbrún Waage Kolbeinsdóttir Skoðun Hvernig léttum við daglega lífið þitt? Einar Geir Þorsteinsson Skoðun Túrverkir og hitakóf – má ræða það í vinnunni? Já endilega! Katrín Björg Ríkarðsdóttir Skoðun Stóriðjutíminn á Íslandi er að renna sitt skeið Guðmundur Franklin Jónsson Skoðun Draghi-skýrslan og veikleikar Íslands Pawel Bartoszek Skoðun Kína mun ekki bjarga Vesturlöndum að þessu sinni Sæþór Randalsson Skoðun Nokkur orð um sérlausn í flugi Birna Sigrún Hallsdóttir,Hrafnhildur Bragadóttir Skoðun Fyrirmyndar forvarnarstefna í Mosfellsbæ Kjartan Helgi Ólafsson Skoðun Bakslag í opinberri þróunarsamvinnu Gunnar Salvarsson Skoðun Skoðun Skoðun Til hamingju Víkingur Heiðar! Halla Hrund Logadóttir skrifar Skoðun Sjálfbærni með í för – Vegagerðin stígur skref í átt að loftslagsvænni framkvæmdum Hólmfríður Bjarnadóttir skrifar Skoðun Þegar krónur skipta meira máli en velferð barna: Ástæður þess að enginn bauð í skólamáltíðir í Hafnarfirði Jón Ingi Hákonarson skrifar Skoðun Líf eftir afplánun – þegar stuðningur gerir frelsið raunverulegt Steinunn Ósk Óskarsdóttir skrifar Skoðun Á hvorum endanum viljum við byrja að skera af? Davíð Már Sigurðsson skrifar Skoðun Þegar krónur skipta meira máli en velferð barna Jón Ingi Hákonarson skrifar Skoðun Bakslag í opinberri þróunarsamvinnu Gunnar Salvarsson skrifar Skoðun Fyrirmyndar forvarnarstefna í Mosfellsbæ Kjartan Helgi Ólafsson skrifar Skoðun Hvernig léttum við daglega lífið þitt? Einar Geir Þorsteinsson skrifar Skoðun Kína mun ekki bjarga Vesturlöndum að þessu sinni Sæþór Randalsson skrifar Skoðun Er þetta virkilega svarið frá Þjóðkirkjunni? – þegar barn þarf að flýja úr helgidóm Hilmar Kristinsson skrifar Skoðun Átta mýtur klesstar inn í raunveruleikann - hvað er satt og hvað er logið um gervigreindina? Sigvaldi Einarsson skrifar Skoðun Glerbrotin í ryksugupokanum Kristín Kolbrún Waage Kolbeinsdóttir skrifar Skoðun Túrverkir og hitakóf – má ræða það í vinnunni? Já endilega! Katrín Björg Ríkarðsdóttir skrifar Skoðun Draghi-skýrslan og veikleikar Íslands Pawel Bartoszek skrifar Skoðun Nokkur orð um sérlausn í flugi Birna Sigrún Hallsdóttir,Hrafnhildur Bragadóttir skrifar Skoðun Geta öll dýrin í skóginum verið vinir? Steinar Bragi Sigurjónsson skrifar Skoðun Iðjuþjálfun í verki Þóra Leósdóttir skrifar Skoðun Mannfræðingar á atvinnumarkaði: opið bréf til íslenskra atvinnuveitenda Elísabet Dröfn Kristjánsdóttir skrifar Skoðun Íbúðalán Landsbankans og fyrstu kaupendur Helgi Teitur Helgason skrifar Skoðun Að læra íslensku sem annað mál: ný brú milli íslensku og ensku Guðrún Nordal skrifar Skoðun Hamona Benedikt S. Benediktsson skrifar Skoðun Ógn og ofbeldi á vinnustöðum – hvað er til ráða Gísli Níls Einarsson skrifar Skoðun Lesum meira með börnunum okkar Steinn Jóhannsson skrifar Skoðun Kynjajafnrétti á ekki að stöðvast við hurð heilbrigðiskerfisins Elín A. Eyfjörð Ármannsdóttir skrifar Skoðun Stóriðjutíminn á Íslandi er að renna sitt skeið Guðmundur Franklin Jónsson skrifar Skoðun Núll mínútur og þrjátíuogeittþúsund Grétar Birgisson skrifar Skoðun Barnvæn borg byggist á traustu leikskólakerfi Stefán Pettersson skrifar Skoðun Kirkjur og kynfræðsla Bjarni Karlsson skrifar Skoðun Ójöfnuður í fjármögnun nýsköpunarverkefna Elinóra Inga Sigurðardóttir 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.
Er þetta virkilega svarið frá Þjóðkirkjunni? – þegar barn þarf að flýja úr helgidóm Hilmar Kristinsson Skoðun
Skoðun Sjálfbærni með í för – Vegagerðin stígur skref í átt að loftslagsvænni framkvæmdum Hólmfríður Bjarnadóttir skrifar
Skoðun Þegar krónur skipta meira máli en velferð barna: Ástæður þess að enginn bauð í skólamáltíðir í Hafnarfirði Jón Ingi Hákonarson skrifar
Skoðun Líf eftir afplánun – þegar stuðningur gerir frelsið raunverulegt Steinunn Ósk Óskarsdóttir skrifar
Skoðun Er þetta virkilega svarið frá Þjóðkirkjunni? – þegar barn þarf að flýja úr helgidóm Hilmar Kristinsson skrifar
Skoðun Átta mýtur klesstar inn í raunveruleikann - hvað er satt og hvað er logið um gervigreindina? Sigvaldi Einarsson skrifar
Skoðun Túrverkir og hitakóf – má ræða það í vinnunni? Já endilega! Katrín Björg Ríkarðsdóttir skrifar
Skoðun Mannfræðingar á atvinnumarkaði: opið bréf til íslenskra atvinnuveitenda Elísabet Dröfn Kristjánsdóttir skrifar
Skoðun Kynjajafnrétti á ekki að stöðvast við hurð heilbrigðiskerfisins Elín A. Eyfjörð Ármannsdóttir skrifar
Er þetta virkilega svarið frá Þjóðkirkjunni? – þegar barn þarf að flýja úr helgidóm Hilmar Kristinsson Skoðun