Hogyan jutottunk idáig?
A jelenleg ismert nyelvi modellek, mint a ChatGPT vagy a Google Gemini, már közelítik a természetes emberi gondolkodást, főleg a transzformer-architektúráknak köszönhetően. Ezek a rendszerek gyorsan és meggyőzően kommunikálnak, de működésüknek gátat szab, hogy képességeik a betanítási fázis után rögzülnek. Ha új adatokkal találkoznak, csak a már meglévő tudásuk alapján válaszolnak, a tanulásuk megáll – vagyis nincs folyamatos fejlődés. Holott maga az emberi agy kaotikus, összefonódó, állandóan változó impulzusokból áll, ahol az érzelmek, gondolatok, érzékszervi benyomások egyszerre versengenek a figyelemért.
A Dragon Hatchling újdonsága
A Dragon Hatchling architektúra ezzel szemben dinamikusan alakítja kapcsolatait minden új bemenet esetén, folyamatosan formálva belső hálózatát. Olyan, mint egy rugalmas háló, amely a szinapszisait állandóan átrendezi, erősíti vagy gyengíti – a kutatók szerint éppúgy, ahogy az emberi agy teszi a tapasztalatokkal. Ez a modell úgynevezett „neuronrészecskéket” használ, amelyek állandó információcserét folytatnak, így rövid távú memória is kialakul, amellyel az új bemeneteket hatékonyabban képes feldolgozni. Ráadásul a Dragon Hatchling tanulása nem korlátozódik a tanítóadatokra, hanem valós időben, önállóan fejlődik tovább.
Mennyire működik?
A kezdeti mérések szerint a Dragon Hatchling teljesítménye elérte a GPT-2 szintjét a szövegmodellezési és fordítási feladatokban – ami figyelemre méltó egy új, kísérleti architektúrától. Bár a tanulmány még szakmai lektorálásra vár, a kutatók abban bíznak, hogy ezzel elindulhatnak az autonóm tanulásra képes MI-k kifejlesztése felé.
Összességében elmondható, hogy a Dragon Hatchling kiemelkedő előrelépés az emberhez hasonló gondolkodású mesterséges intelligenciák irányába, és akár az AGI, azaz az általános mesterséges intelligencia megvalósításának egyik hiányzó láncszeme lehet.
