मेटा का कोकोनट: वह एआई विधि जो भाषा के बिना सोचती है

कोकोनट की नवाचार को समझना

अपने विचारों को जोर से बोलने और आपके मस्तिष्क में वास्तविक मानसिक प्रक्रिया के बीच के अंतर की कल्पना करें। यह अंतर – वाचिक विचारों और तंत्रिका गतिविधि के बीच – वही है जिसे मेटा के शोधकर्ताओं ने कोकोनट के साथ टैप किया है।

कोकोनट की वास्तविक सफलता यह है कि यह एआई मॉडलों को दो अलग-अलग तरीकों से सोचने देता है, जैसे कि मनुष्य करते हैं। एक जटिल पहेली को हल करने के बारे में सोचें – आप अपने सिर में हर संभावित चाल को नहीं सुनाते हैं, है ना? इसके बजाय:

1. समस्या को अवशोषित करें: आप जानकारी लेते हैं (जैसे पहेली नियम पढ़ना)
2. चुपचाप सोचें: आपका मस्तिष्क शब्दों में डालने के बिना कई संभावनाओं का अन्वेषण करता है
3. समाधान साझा करें: केवल तभी आप अपनी सोच को दूसरों के साथ साझा करते हैं

कोकोनट एआई मॉडलों को यही प्राकृतिक लचीलापन देता है। पारंपरिक तरीकों के विपरीत, जो उन्हें हर विचार को जोर से बोलने के लिए मजबूर करते हैं, यह उन्हें अपने प्राकृतिक तंत्रिका स्थान में सोचने देता है – जिसे शोधकर्ता “लेटेंट स्पेस” कहते हैं।

मॉडल दो मोड के बीच चिकनी तरह से स्विच करता है:

• जब यह प्रश्नों को समझने या उत्तर देने की आवश्यकता होती है, तो यह नियमित भाषा का उपयोग करता है
• लेकिन वास्तविक सोच प्रक्रिया के लिए? यह शुद्ध तंत्रिका पैटर्न का उपयोग करता है, शब्दों के प्रतिबंधों से मुक्त

छवि: मेटा

प्रशिक्षण यात्रा

कोकोनट की सबसे आकर्षक बातों में से एक इसका प्रशिक्षण पाठ्यक्रम है। यह विशेष है क्योंकि यह प्राकृतिक सीखने की प्रगति को दर्शाता है। जटिल कौशल सिखाने के बारे में सोचें – आप किसी को तुरंत गहरे पानी में नहीं डालते हैं। आप धीरे-धीरे जाते हैं, जैसे ही वे प्रत्येक स्तर में महारत हासिल करते हैं जटिलता जोड़ते हैं।

शोधकर्ताओं ने कोकोनट के साथ ठीक यही दृष्टिकोण अपनाया:

स्टेज 1: फाउंडेशन

सबसे पहले, मॉडल पारंपरिक चेन-ऑफ-थॉट तर्क के माध्यम से सीखता है, जैसे कि कोई अन्य एआई। इससे उसे एक ठोस आधारभूत समझ मिलती है।

स्टेज 2: ट्रांज़िशन

यहीं चीजें दिलचस्प हो जाती हैं। धीरे-धीरे, लिखित तर्क चरण निरंतर विचारों से बदल जाते हैं। कल्पना कीजिए कि प्रशिक्षण के पहियों को धीरे-धीरे हटाते हुए, मॉडल को अपने आंतरिक सोच पैटर्न विकसित करने देना।

स्टेज 3: बैलेंस

अंत में, मॉडल लेटेंट स्पेस में गहरी सोच और स्पष्ट भाषा में अपने अंतर्दृष्टि को संप्रेषित करने के बीच चिकनी तरह से स्विच करना सीखता है।

प्रशिक्षण के दौरान, मॉडल ने उन क्षमताओं को विकसित किया जिन्हें कोई विशेष रूप से प्रोग्राम नहीं किया था – जैसे कि एक ही समय में कई तर्क मार्गों पर विचार करना। यह उभरने वाला व्यवहार विशेष रूप से उत्साहजनक है क्योंकि यह सुझाव देता है कि हम अधिक प्राकृतिक एआई तर्क रूपों के करीब पहुंच रहे हैं। यह अप्रत्याशित विकास अक्सर सबसे बड़े सफलताओं की ओर ले जाता है।

उस न्यूरोइमेजिंग अध्ययन को याद रखें जिसका मैंने पहले उल्लेख किया था? उन्होंने दिखाया कि मानव मस्तिष्क अक्सर जटिल तर्क कार्यों को भाषा केंद्रों को भारी रूप से शामिल किए बिना संसाधित करते हैं। कोकोनट ऐसे ही पैटर्न विकसित कर रहा है – गहराई से अपने मूल तंत्रिका स्थान में सोचता है और केवल संचार के लिए भाषा में परिवर्तित होता है।

संख्याएं एक कहानी सुनाती हैं

कुछ और प्रमुख निष्कर्ष शोध से उभरकर सामने आते हैं:

• गणित शब्द समस्याएं (जीएसएम8के): यहां, कोकोनट ने 34.1% सटीकता हासिल की। जबकि यह पारंपरिक चेन-ऑफ-थॉट (42.9%) से नीचे है, यह बेसलाइन दृष्टिकोणों से काफी बेहतर है।
• तार्किक निष्कर्ष (प्रोंटोक्यूए): कोकोनट ने 99.8% सटीकता हासिल की, पारंपरिक चेन-ऑफ-थॉट के 98.8% को पार किया। लेकिन यहाँ किक है – यह केवल 9 टोकन का उपयोग करके ऐसा करता है, जबकि कोटी 92.5 टोकन का उपयोग करता है।
• जटिल योजना (प्रोसक्यूए): सबसे प्रभावशाली परिणाम इस उन्नत तर्क परीक्षण से आए। कोकोनट ने 97% सटीकता हासिल की, जबकि पारंपरिक तरीकों ने केवल 77.5% हासिल किया। और फिर से, यह टोकन की कम संख्या में ऐसा करता है – 14.2 टोकन कोकोनट के लिए बनाम 49.4 कोटी के लिए।

जो इन परिणामों को आशाजनक बनाता है वह केवल संख्याएं नहीं हैं – यह उन विभिन्न प्रकार के सोच के बारे में क्या बताता है। जबकि कोकोनट अभी भी गणितीय तर्क में अपनी जमीन खोज रहा है, यह जटिल तर्क योजना और निष्कर्ष कार्यों में उत्कृष्टता प्राप्त करता है।

कोकोनट एआई प्रणालियों को तर्क करने के तरीके के बारे में एक मूलभूत पुनर्विचार का प्रतिनिधित्व करता है, और यह हमें अधिक प्राकृतिक, कुशल और शक्तिशाली एआई रूपों के करीब ले जाता है। भाषा-आधारित तर्क से निरंतर विचार तक का यह सफर अधिक सक्षम और कुशल एआई प्रणालियों की ओर एक कदम है।