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 Nú þarf að gyrða sig í brók Gunnlaugur Stefánsson Skoðun Þriggja stiga þögn Bjarni Karlsson Skoðun Lesblindir og stuðningur í skólum Snævar Ívarsson Skoðun Skóli án aðgreiningar – fallegt orðalag en brotakennd framkvæmd Sóldís Birta Reynisdóttir Skoðun Skýr stefna um málfrelsi Róbert H. Haraldsson Skoðun Börn í gámaskólum á meðan bæjarskrifstofur stækka – hvar er forgangsröðin? Ásgeir Elvar Garðarsson Skoðun Hvers vegna sífellt fleiri sækjast eftir einveru Ingrid Kuhlman Skoðun Framtíð nemenda í Kópavogi í fyrsta sæti Halla Björg Evans Skoðun Olíuleit á Drekasvæði - tilvistarleit Halldór Reynisson Skoðun Umbætur á skólakerfinu. Hættum að ljúga. Hættum því alveg og hættum því strax Atli Harðarson Skoðun Skoðun Skoðun Hvers vegna sífellt fleiri sækjast eftir einveru Ingrid Kuhlman skrifar Skoðun Þriggja stiga þögn Bjarni Karlsson skrifar Skoðun Nú þarf að gyrða sig í brók Gunnlaugur Stefánsson skrifar Skoðun Lesblindir og stuðningur í skólum Snævar Ívarsson skrifar Skoðun Skóli án aðgreiningar – fallegt orðalag en brotakennd framkvæmd Sóldís Birta Reynisdóttir skrifar Skoðun Rýnt í stöðu kvenna með örorkulífeyri Huld Magnúsdóttir skrifar Skoðun Brot sem fyrnast í höndum lögreglu – hversu mörg í viðbót? Þórhildur Gyða Arnarsdóttir skrifar Skoðun Olíuleit á Drekasvæði - tilvistarleit Halldór Reynisson skrifar Skoðun Kosningar í september Guðveig Lind Eyglóardóttir skrifar Skoðun Þegar orkuöflun er sett á ís - dæmið frá Suður-Afríku Hallgrímur Óskarsson skrifar Skoðun Framtíð nemenda í Kópavogi í fyrsta sæti Halla Björg Evans skrifar Skoðun Skýr stefna um málfrelsi Róbert H. Haraldsson skrifar Skoðun Heilsufarsmat á vinnustöðum: Góð fjárfesting í heilbrigði og vellíðan starfsfólks Gígja Valgerður Harðardóttir skrifar Skoðun Munar þig um 5-7 milljónir árlega? Jón Pétur Zimzen skrifar Skoðun Keldnaland – fjölmenn hverfi í mótun Þorsteinn R. Hermannsson skrifar Skoðun Eflum traustið Helgi Áss Grétarsson,Marta Guðjónsdóttir skrifar Skoðun Börn í gámaskólum á meðan bæjarskrifstofur stækka – hvar er forgangsröðin? Ásgeir Elvar Garðarsson skrifar Skoðun Hver er kjarninn í samfélagi sem selur hjarta sitt? Trausti Breiðfjörð Magnússon skrifar Skoðun Seljum börnum nikótín! Hugi Halldórsson skrifar Skoðun Sundrung á vinstri væng Jökull Sólberg Auðunsson skrifar Skoðun Þegar samfélagið missir vinnuna Hrafn Splidt Þorvaldsson skrifar Skoðun Akademískt frelsi og ókurteisi Kolbeinn H. Stefánsson skrifar Skoðun Hvar liggur ábyrgð hins fullorðna á hegðun ungmenna í samfélaginu? Rakel Guðbjörnsdóttir skrifar Skoðun Yfir hverju er verið að brosa? Árni Kristjánsson skrifar Skoðun Umbætur á skólakerfinu. Hættum að ljúga. Hættum því alveg og hættum því strax Atli Harðarson skrifar Skoðun Stjórnvöld sem fjárfestatenglar Baldur Thorlacius skrifar Skoðun Ákall til ESB-sinna: Hvar eru undanþágurnar? Einar Jóhannes Guðnason skrifar Skoðun Er ég ömurlegt foreldri ef ég segi nei við barnið mitt? Stefán Þorri Helgason skrifar Skoðun Vindorkuvæðing í skjóli nætur Kristín Helga Gunnarsdóttir skrifar Skoðun Þátttökuverðlaun Þórdísar Ragnar Þór Pétursson 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.
Skóli án aðgreiningar – fallegt orðalag en brotakennd framkvæmd Sóldís Birta Reynisdóttir Skoðun
Börn í gámaskólum á meðan bæjarskrifstofur stækka – hvar er forgangsröðin? Ásgeir Elvar Garðarsson Skoðun
Umbætur á skólakerfinu. Hættum að ljúga. Hættum því alveg og hættum því strax Atli Harðarson Skoðun
Skoðun Skóli án aðgreiningar – fallegt orðalag en brotakennd framkvæmd Sóldís Birta Reynisdóttir skrifar
Skoðun Brot sem fyrnast í höndum lögreglu – hversu mörg í viðbót? Þórhildur Gyða Arnarsdóttir skrifar
Skoðun Heilsufarsmat á vinnustöðum: Góð fjárfesting í heilbrigði og vellíðan starfsfólks Gígja Valgerður Harðardóttir skrifar
Skoðun Börn í gámaskólum á meðan bæjarskrifstofur stækka – hvar er forgangsröðin? Ásgeir Elvar Garðarsson skrifar
Skoðun Hvar liggur ábyrgð hins fullorðna á hegðun ungmenna í samfélaginu? Rakel Guðbjörnsdóttir skrifar
Skoðun Umbætur á skólakerfinu. Hættum að ljúga. Hættum því alveg og hættum því strax Atli Harðarson skrifar
Skóli án aðgreiningar – fallegt orðalag en brotakennd framkvæmd Sóldís Birta Reynisdóttir Skoðun
Börn í gámaskólum á meðan bæjarskrifstofur stækka – hvar er forgangsröðin? Ásgeir Elvar Garðarsson Skoðun
Umbætur á skólakerfinu. Hættum að ljúga. Hættum því alveg og hættum því strax Atli Harðarson Skoðun