设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 451|回复: 1
打印 上一主题 下一主题

[科技前沿] 解锁AI的思维之网:图思维框架(DoT)的革命性探索

[复制链接]
  • TA的每日心情
    开心
    2020-4-8 10:45
  • 签到天数: 227 天

    [LV.7]分神

    跳转到指定楼层
    楼主
     楼主| 发表于 2024-11-26 10:22:53 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
    在AI的发展史上,推理能力一直是其核心竞争力之一。早期的AI模型大多依赖于规则和逻辑推理,大抵都试图通过预设的规则来模拟人类的思考过程。然而,随着数据量的激增和计算能力的提升,数据驱动的方法逐渐占据主导地位,特别是在自然语言处理(NLP)领域,大语言模型(LLM)如Bert、GPT等横空出世,这些模型通过学习大量的文本数据,学会了在一定程度上理解和生成人类语言。
    3 d- B' M) _# i. L# W6 k# f! `' u
    5 J3 U1 f$ n; @. L7 B大模型与推理框架:: p  S( z* d0 J9 J$ @- I+ q$ z* j
    ' E4 w4 @2 Q* |& C' z/ X
    大模型的出现,极大地推动了AI在推理任务上的表现。它们通过学习海量的文本数据,建立了丰富的语义和上下文理解能力。但大模型也有其局限性:
    ( a5 ?; L4 p+ d" e/ N( U6 P. m
    7 [5 Y4 i' r% w  _推理路径的线性化:传统的大模型通常采用线性推理路径,这意味着它们只能按顺序一步一步地进行推理,无法有效处理多路径推理和复杂的逻辑关系。
    5 Z( a, D  k) G& c; W6 v( {6 F. D& T$ K1 h
    反馈机制的缺乏:大模型一旦生成推理步骤,通常难以根据新信息进行自我修正,这在动态环境中显得尤为不利。% p" r& G$ t8 n0 j* a+ i1 K7 O0 q
    + s6 y, k' Q6 G' \# Y, P/ d
    长程依赖问题:由于模型结构的限制,LLM在处理长距离依赖的推理任务时容易丢失上下文信息,影响推理的准确性。+ L8 v- n; Z' ]# R1 b5 J5 _
    * J  g! c! u7 }. L- A& o
    为了解决这些问题,AI研究者们提出了各种推理框架:
    : O# _) n; P+ ]' w' i7 A- s! `+ y. Z. G  o
    链式推理(Chain-of-Thought, CoT):这是最早的推理框架之一,通过让模型生成一系列中间推理步骤,使得推理过程更加透明和可追踪。但其线性结构限制了模型在多路径推理上的表现。
    , n3 y% x3 f. s5 o- w. N9 J/ B" Y" I/ j6 O" j1 Y0 ^
    树式推理(Tree-of-Thought, ToT):为了解决CoT的局限性,ToT引入了分支结构,允许模型探索多个推理路径。但随着路径数量的增加,计算和存储成本大幅提升。/ q) o0 Y9 v$ {+ N

    2 Q. G9 |# y4 s图式推理(Graph-of-Thought, GoT):进一步拓展了树式推理的概念,通过图结构允许模型在不同节点间灵活跳转,但其计算复杂性和管理困难依然存在。
    , s2 G) p: P8 n" l: F! O% k# N; u% X/ S) k7 Q8 h1 E- v
    累积推理(Cumulative Reasoning, CR):通过多模型协作机制,模拟人类推理中的角色分工,提高了推理的准确性和一致性,但多模型协作的复杂性和资源消耗成为了瓶颈。
    2 I6 ^0 m: g2 u, R' m4 h0 ]3 q9 c  W# @2 {+ S3 x
    这些推理框架有些已经接近成熟使用了,CoT和ToT已经形成相对完整的解决方案。但当我们让这些方案处理复杂的推理任务时,就有点力不从心了。比如说,多路径推理、反馈学习和长程依赖问题,这些可都是AI也难啃的硬骨头。打几个比方:
    8 W+ T+ l8 I9 A6 [6 O
    0 d9 R2 `0 {8 i5 |! L/ J: Q多路径推理,这就像医生面对病人症状时,不仅要考虑一种可能的疾病,还要同时考虑多种疾病的可能性,然后逐一排除。传统的线性推理模型,就像一条单线道路,只能一步一步地走,无法同时处理多个可能性。而我们人脑在处理这种问题时,往往会像织网一样,把所有可能性都考虑进去。% M3 m9 e# c) [1 E/ s  r

    + H8 W% H( |* \+ L# |接着是反馈学习。想象一下,你在做法律分析,新的证据不断出现,你得不断调整之前的推理路径。但传统的LLM一旦做出判断,就很难自我修正,就像一艘船,一旦航向错了,就很难掉头了。
    * U6 Q6 |. ^: l+ K* i+ Y
    , p/ t* z9 o  l) f* r' l  v最后是长程依赖,这就像在开车时,你得考虑前面的路况、其他车辆的行动等多个因素,然后在不同的决策点上做出选择。LLM在这方面表现得就像一个健忘症患者,常常丢失了之前的上下文信息,导致推理结果不准确。
    # W) J  h, k* S/ u2 K9 O! u6 w3 Y' F9 R! i, q/ b. l1 S/ N
    基于以上的这些问题,姚期智院士的团队提出了图思维框架(DoT)。这个框架用到了有向无环图(DAG),听起来是不是有点高大上?其实不难理解,DAG就是一个不循环的网络图,确保了推理过程不会陷入死循环。
    $ o/ @' c  d, l3 l. E& W* ]* f+ v$ {+ S1 X
    DoT的核心优势对于这几个难点是会有效改善的:
    8 a% E+ v4 J& I) `
    ) A$ l- ^' W1 P$ E% Z多路径推理:DAG可以表示多个并行的推理路径,就像在处理一个问题时,我们可以同时探索多个解法,而不是一条路走到黑。7 @. W4 G- W8 M$ e3 ]
    4 E7 m( q0 ~5 _: c' \5 s2 e' j+ q
    反馈机制:DoT允许模型在推理过程中不断对先前的命题进行批判和修正,就像一个团队在讨论方案时,不断地提出新观点、质疑和优化。
    6 f: U) B$ c' ^; Y3 ]7 t/ L2 l( W2 T7 W; K
    长程依赖处理:每个节点的推理步骤都可以通过边与其他节点建立明确的依赖关系,确保上下文信息的一致性和连贯性。
    $ v' Z) l$ h; i. P/ A  E6 h9 X; h# d# m
    具体来说,DoT框架通过DAG整合推理过程中的多个角色,包括提议者(提出新命题)、批判者(对命题进行评估和批判)、和总结者(汇总推理结果)。这种多角色协作在单一模型中进行,极大地简化了推理过程。
    + f8 o0 f: ~7 \6 c3 x2 L
    ; N) }& o1 i/ d举个例子,在金融风控中,决策往往涉及多个变量的同时推理和反馈优化。传统的推理模型就像在做单一的线性计算,而DoT就像在多维空间中同时考虑多个因素,确保决策更加全面和动态。
    ) p+ {6 s0 @) V5 c4 X0 U7 x& W/ ]% ~, ?* V: w6 k
    在自动驾驶领域,DoT同样大显身手。车辆在行驶时需要同时处理来自多个传感器的信息,做出决策。DoT通过DAG结构,能够很好地整合这些信息,确保决策的准确性和实时性。
    2 I6 ]0 ], ]- |/ N1 v  C# P1 p9 x) p  _4 O4 F# O" c
    DoT框架还引入了自回归的角色转换机制,让模型在推理过程中可以无缝切换角色,提高了推理的流畅性和反馈效率。DAG的设计不仅解决了长程依赖和反馈学习的难题,还提高了推理的扩展性和灵活性,使其能够适应复杂场景的需求。
    - A; s+ m, b( t1 M, x8 S" O/ |! G5 v, o) o, n3 Y6 J9 |
    总的来说,图思维框架通过有向无环图的结构化推理,为AI在复杂推理任务中的应用提供了一个新的解决方案。它不仅解决了传统推理框架的局限性,还带来了更多的可能性和灵活性。) B) o$ A4 c- x/ B6 ~6 b  V
    ) D0 k" h: j4 X1 E% S* `
    原文链接

    评分

    参与人数 1爱元 +18 学识 +2 收起 理由
    老票 + 18 + 2 涨姿势

    查看全部评分

  • TA的每日心情
    开心
    2020-1-2 23:51
  • 签到天数: 2 天

    [LV.1]炼气

    沙发
    发表于 2024-11-26 10:53:55 | 只看该作者
    : ?, e# c3 r( i- ]/ g3 W
    推理能力真是一种奇妙的东西。似乎无法定义?或者说没有公认的定义?+ w, d$ h5 I- d9 h/ T, e6 I1 F
    , m" B& O0 y+ I1 c
    不知道AI现在在理解幽默方面的进展如何?% P4 G( j1 C' N: X1 m6 V0 a

    & y" x4 R" j- T/ G) l8 b  V' Y继续拜读好文!) c1 O: h/ y( p" P1 @' L0 i* Q* D

    ' T0 c2 i) |/ Q! Q* I
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2025-4-27 08:13 , Processed in 0.038844 second(s), 21 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表