Eine neue Architektur für künstliche Intelligenz präsentiert einen anderen Ansatz für automatisches Reasoning. Anstatt Wörter zu generieren, um Zwischenschritte zu entwickeln, verarbeitet das Modell Informationen in einem latenten Raum. Diese grundlegende Veränderung ermöglicht eine effizientere Form des Reasoning.
Das entwickelte Modell arbeitet mit 150 Millionen Parametern, was eine deutlich geringere Anzahl im Vergleich zu anderen KI-Systemen darstellt, die sprachbasiertes Reasoning verwenden. Die Architektur wurde entwickelt, um die Informationsverarbeitung zu optimieren, ohne dass die Generierung von Text als Teil des Prozesses erforderlich ist.
Die vom System erzielten Ergebnisse zeigen eine hervorragende Leistung bei Reasoning-Aufgaben und demonstrieren, dass anspruchsvolle Ergebnisse erzielt werden können, ohne auf die Generierung von Wörtern als Zwischenschritt angewiesen zu sein. Dies stellt eine Alternative zu traditionellen Sprachmodellen dar, die ihre Gedanken in Sprache artikulieren müssen.
Darüber hinaus erfordert die Architektur eine begrenztere Nutzung von Rechenressourcen für den Betrieb. Diese Recheneffizienz macht die Technologie zugänglicher und mit geringerem Energieverbrauch, was die Implementierungsmöglichkeiten in verschiedenen Kontexten erweitern kann, in denen die Ressourcen stärker eingeschränkt sind.
