ИИ-агенты стали «более дерзкими» для повышения производительности в сложных задачах рассуждения

Япония - Информационное агентство Эхбари

ИИ-агенты стали «более дерзкими» для повышения производительности в сложных задачах рассуждения

В увлекательном повороте событий, который может переопределить взаимодействие человека и ИИ, исследователи обнаружили, что предоставление чат-ботам искусственного интеллекта (ИИ), в частности большим языковым моделям (LLM), возможности использовать человекоподобные разговорные черты — такие как способность прерывать или стратегически молчать — не только способствует более естественному диалогу, но и значительно повышает их точность и способность решать проблемы.

Это развитие происходит в то время, когда роль ИИ в обществе стремительно расширяется. Традиционно коммуникация ИИ характеризовалась строгим соблюдением очередности и предсказуемыми ответами, что резко контрастирует с часто хаотичной, но эффективной динамикой человеческого общения. Человеческий дискурс изобилует спонтанными прерываниями, вдумчивыми паузами и тонкими выражениями неуверенности или убежденности — элементами, которые в значительной степени отсутствуют в традиционных взаимодействиях ИИ.

Исследование, возглавляемое профессором Юичи Сеи из факультета информатики Университета электрокоммуникаций в Токио, было направлено на изучение того, могут ли такие "социальные сигналы", которые мы принимаем как должное, улучшить "коллективный интеллект" систем ИИ с несколькими агентами. Профессор Сеи отметил: "Нынешние мультиагентные системы часто кажутся искусственными, потому что им не хватает хаотичной динамики человеческого разговора в реальном времени. Мы хотели выяснить, улучшит ли предоставление агентам социальных сигналов, которые мы считаем само собой разумеющимися, таких как возможность прерывать или выбирать молчание, их коллективный интеллект".

Для достижения этой цели Сеи и его коллеги разработали новую структуру, которая освободила LLM от жесткой последовательной структуры компьютерной коммуникации. Вместо этого они назначили LLM "личности", предоставив им возможность перебивать, прерывать других говорящих или намеренно молчать. Это было не просто имитацией человеческого поведения; исследователи обнаружили, что эта новообретенная гибкость напрямую коррелирует с повышением точности в сложных задачах по сравнению со стандартными LLM.

Команда начала с интеграции черт, основанных на "Большой пятерке" личностных типов — открытость, добросовестность, экстраверсия, доброжелательность и нейротизм — в LLM. Затем они перепрограммировали текстовые LLM для обработки ответов по предложениям, а не для генерации полных ответов перед следующим ходом. Этот детальный контроль над ходом разговора позволил сравнить три различных сценария: фиксированный порядок речи, динамический порядок речи и динамический порядок речи с разрешенными прерываниями.

Наиболее продвинутый сценарий, динамический порядок с прерываниями, ввел "показатель срочности". Этот механизм позволял ИИ-агенту распознавать критически важную информацию — например, обнаружение ошибки или ключевого момента — и немедленно сообщать о ней, независимо от того, чья очередь говорить. И наоборот, низкий показатель срочности означал, что агенту нечего существенного добавить, тем самым уменьшая "шум" в разговоре и улучшая концентрацию.

Для тщательной проверки своей гипотезы исследователи оценили свои модели ИИ, используя 1000 вопросов из бенчмарка Massive Multitask Language Understanding (MMLU) — комплексного теста ИИ на логическое мышление, охватывающего различные области, такие как наука и гуманитарные науки. Результаты были убедительными. Когда один агент изначально давал неверный ответ, общая точность составляла 68,7% при обсуждении с фиксированным порядком, повышалась до 73,8% при динамическом порядке и достигала впечатляющих 79,2% при разрешении прерываний. В более сложном сценарии, где два агента ошиблись изначально, точность выросла с 37,2% (фиксированный порядок) до 43,7% (динамический порядок) и, наконец, до 49,5% (с разрешением прерываний).

Эти количественные данные убедительно свидетельствуют о том, что наделение ИИ-агентов "личностями" и стратегической возможностью прерывать может привести к более точным результатам в решении сложных задач по сравнению с традиционными, единообразно вежливыми взаимодействиями ИИ. Профессор Сеи и его команда теперь сосредоточены на изучении практического применения этих выводов, особенно в областях творческого сотрудничества, чтобы понять, как эти "цифровые личности" могут влиять на динамику группового принятия решений.

Поскольку ИИ-агенты все больше интегрируются в совместные среды вместе с людьми, это исследование предлагает значительное понимание: обсуждения, сформированные личностью, включая разумное использование прерываний, могут в конечном итоге привести к лучшим результатам по сравнению со строго поочередными, универсально вежливыми взаимодействиями. Это исследование прокладывает путь к будущему, в котором коммуникация ИИ будет не только более эффективной, но и более нюансированной и действенной.

Информационное агентство Эхбари