Модульный ИИ из моделей участников превосходит монолитные LLM на 15%
Исследователи представили новую парадигму построения систем искусственного интеллекта — масштабирование участия. Вместо централизованных монолитных моделей, которые создаются узким кругом разработчиков, предлагается модульный подход, основанный на вкладе множества участников.
Каждый участник тренирует небольшую модель, отражающую его собственные интересы и приоритеты. Затем эти модели объединяются в композиционные системы, способные совместно решать задачи. Такой подход позволяет учесть разнообразие человеческих знаний, рассуждений и ценностей.
В ходе экспериментов модульные AI-системы показали улучшение до 15,4% по 15 задачам, включая рассуждение и фактологию. Они превзошли монолитные модели, которые были крупнее всех входящих в систему компонентов вместе взятых.
Дополнительные тесты подтвердили, что разнообразие участников повышает эффективность системы. Каждый модуль улучшает свои приоритеты, а в целом система демонстрирует эмерджентные способности: она решает более 15% задач, с которыми не справляется ни одна отдельная модель.
Авторы полагают, что масштабирование участия закладывает техническую основу для перехода от монолитного подхода к открытому, снизу вверх и коллаборативному будущему искусственного интеллекта.
