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 Sólheimar í Grímsnesi – að gefnu tilefni Páll Sævar Garðarsson,Sigurður Örn Guðbjörnsson Skoðun 7 milljarða húsnæðisstuðningur afnuminn… en hvað kemur í staðinn? Vilhjálmur Hilmarsson Skoðun Eru starfsmenn þingflokks Samfylkingarinnar viljandi að afvegaleiða umræðu um samsköttun? Gunnar Ármannsson Skoðun Alþjóðlegur dagur þroskaþjálfa – vettvangur á tímamótum Laufey Elísabet Gissurardóttir Skoðun Mest lesnu orð á Íslandi Friðrik Björnsson Skoðun Slæm innivist skerðir afköst og hækkar kostnað Ingibjörg Magnúsdóttir Skoðun Mikilvægi lágþröskulda þjónustu fyrir geðheilbrigði ungs fólks Eva Rós Ólafsdóttir Skoðun Hafnarfjörður er bær sem styður við lífsgæði eldra fólks Valdimar Víðisson Skoðun Eiga foreldrar í háskólanámi raunverulega jafnan aðgang að námi? Hrund Steinsdóttir Skoðun Ónýtir vegir – eina ferðina enn Sigþór Sigurðsson Skoðun Skoðun Skoðun Hugsum stórt í skipulags- og samgöngumálum Hilmar Ingimundarson skrifar Skoðun Eitt eilífðar smáblóm Þorgerður Katrín Gunnarsdóttir skrifar Skoðun Betri mönnun er lykillinn Skúli Helgason,Sabine Leskopf skrifar Skoðun Borgarhönnunarstefna, sú fyrsta sinnar tegundar í Reykjavík Dóra Björt Guðjónsdóttir skrifar Skoðun Hversu oft á að fresta framtíðinni? Erna Magnúsdóttir,Stefán Þórarinn Sigurðsson skrifar Skoðun Getur Ísland staðið fremst í heilsutækni? Arna Harðardóttir skrifar Skoðun Slæm innivist skerðir afköst og hækkar kostnað Ingibjörg Magnúsdóttir skrifar Skoðun Sólheimar í Grímsnesi – að gefnu tilefni Páll Sævar Garðarsson,Sigurður Örn Guðbjörnsson skrifar Skoðun Framtíð Íslands: Frá áli til gervigreindar – Tækifæri fimmtu iðnbyltingarinnar Sigvaldi Einarsson skrifar Skoðun Eiga foreldrar í háskólanámi raunverulega jafnan aðgang að námi? Hrund Steinsdóttir skrifar Skoðun Fjármál framhaldsskóla Róbert Ferdinandsson skrifar Skoðun Mikilvægi lágþröskulda þjónustu fyrir geðheilbrigði ungs fólks Eva Rós Ólafsdóttir skrifar Skoðun Varhugaverð sjónarmið eða raunsæ leið? Eggert Sigurbergsson skrifar Skoðun Dýrin skilin eftir í náttúruvá Linda Karen Gunnarsdóttir skrifar Skoðun Skapandi leiðir í skóla- og frístundastarfi Kolbrún Þ. Pálsdóttir skrifar Skoðun Eru starfsmenn þingflokks Samfylkingarinnar viljandi að afvegaleiða umræðu um samsköttun? Gunnar Ármannsson skrifar Skoðun Reykjavík er meðal dreifðustu höfuðborga Evrópu Guðni Freyr Öfjörð skrifar Skoðun Verum öll tengd Sólrún Kristjánsdóttir skrifar Skoðun Hafnarfjörður er bær sem styður við lífsgæði eldra fólks Valdimar Víðisson skrifar Skoðun Samræðulist í heimi gervigreindar Þórdís Hólm Filipsdóttir skrifar Skoðun Samræmt gæðanám eða einsleit kerfi? Bogi Ragnarsson skrifar Skoðun Ónýtir vegir – eina ferðina enn Sigþór Sigurðsson skrifar Skoðun 7 milljarða húsnæðisstuðningur afnuminn… en hvað kemur í staðinn? Vilhjálmur Hilmarsson skrifar Skoðun Alþjóðlegur dagur þroskaþjálfa – vettvangur á tímamótum Laufey Elísabet Gissurardóttir skrifar Skoðun Mest lesnu orð á Íslandi Friðrik Björnsson skrifar Skoðun Tími til kominn að styðja öll framúrskarandi ungmenni Karólína Helga Símonardóttir skrifar Skoðun Hvað með dansinn? Lilja Björk Haraldsdóttir skrifar Skoðun Mótórhjólasamtök á Íslandi – hvers vegna öll þessi læti? Helgi Gunnlaugsson skrifar Skoðun Viðhorf sem mótar veruleikann – inngilding á orði og á borði Sóldís Birta Reynisdóttir skrifar Skoðun „Mér sýnist Inga Sæland fá talsvert út úr þessu“ Sigurjón Arnórsson 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.
Eru starfsmenn þingflokks Samfylkingarinnar viljandi að afvegaleiða umræðu um samsköttun? Gunnar Ármannsson Skoðun
Skoðun Borgarhönnunarstefna, sú fyrsta sinnar tegundar í Reykjavík Dóra Björt Guðjónsdóttir skrifar
Skoðun Sólheimar í Grímsnesi – að gefnu tilefni Páll Sævar Garðarsson,Sigurður Örn Guðbjörnsson skrifar
Skoðun Framtíð Íslands: Frá áli til gervigreindar – Tækifæri fimmtu iðnbyltingarinnar Sigvaldi Einarsson skrifar
Skoðun Eiga foreldrar í háskólanámi raunverulega jafnan aðgang að námi? Hrund Steinsdóttir skrifar
Skoðun Eru starfsmenn þingflokks Samfylkingarinnar viljandi að afvegaleiða umræðu um samsköttun? Gunnar Ármannsson skrifar
Skoðun 7 milljarða húsnæðisstuðningur afnuminn… en hvað kemur í staðinn? Vilhjálmur Hilmarsson skrifar
Skoðun Alþjóðlegur dagur þroskaþjálfa – vettvangur á tímamótum Laufey Elísabet Gissurardóttir skrifar
Skoðun Viðhorf sem mótar veruleikann – inngilding á orði og á borði Sóldís Birta Reynisdóttir skrifar
Eru starfsmenn þingflokks Samfylkingarinnar viljandi að afvegaleiða umræðu um samsköttun? Gunnar Ármannsson Skoðun