Exclusive: 'స్ట్రాబెర్రీ' కోడ్ పేరుతో కొత్త రీజనింగ్ టెక్నాలజీ..AI మోడల్ ను ప్రాసెస్ చేసే మార్గం
ChatGPT మేకర్ OpenAI తన కృత్రిమ మేధస్సు నమూనాల కోసం ఒక ప్రాజెక్ట్ కోడ్-పేరు "స్ట్రాబెర్రీ"లో ఒక నవల విధానంలో పని చేస్తోందని రాయిటర్స్ తెలిపింది . కొత్త టెక్నాలజీ లో అంతర్గత డాక్యుమెంటేషన్ గురించి తెలిసిన వ్యక్తి ప్రకారం దీనిని సమీక్షించామని పేర్కొంది. మైక్రోసాఫ్ట్ -మద్దతుగల స్టార్టప్ రేస్ల వలె ఇది అందించే మోడల్ల రకాలు అధునాతన తార్కిక సామర్థ్యాలను అందించగల సామర్థ్యాన్ని కలిగి ఉన్నాయని చూపుతాయి. స్ట్రాబెర్రీ గురించి ఈ కథనంలో నివేదించిన వివరాల గురించి అడిగినప్పుడు, ఏఐ కంపెనీ ప్రతినిధి ఒక ప్రకటనలో ఇలా అన్నారు. మన AI మోడల్లు మనలాగే ప్రపంచాన్ని చూడాలని అర్థం చేసుకోవాలని తాము కోరుకుంటున్నామన్నారు. కాలక్రమేణా తార్కికంలో మెరుగుపడతాయని భాగస్వామ్య నమ్మకంతో చేస్తున్నారు.
ప్రాజెక్ట్, మునుపు నివేదించిన వివరాలు
స్ట్రాబెర్రీ ప్రాజెక్ట్ను గతంలో Q* అని పిలిచేవారు, గత సంవత్సరం రాయిటర్స్ నివేదించిన ప్రకారం, ఇది ఇప్పటికే కంపెనీలో పురోగతిగా కనిపించింది. ఈ సంవత్సరం ప్రారంభంలో OpenAI సిబ్బంది Q* డెమోలు అని చెప్పిన వాటిని వీక్షించడాన్ని రెండు మూలాలు వివరించాయి. ఇవి నేటి వాణిజ్యపరంగా అందుబాటులో ఉన్న మోడల్లకు అందుబాటులో లేని గమ్మత్తైన సైన్స్ , గణిత ప్రశ్నలకు సమాధానం ఇవ్వగలవు. మంగళవారం జరిగిన అంతర్గత ఆల్-హ్యాండ్ మీటింగ్లో, OpenAI ఒక పరిశోధన ప్రాజెక్ట్ డెమోను చూపించింది, బ్లూమ్బెర్గ్ ప్రకారం, కొత్త ట్యాబ్ను తెరుస్తుంది. OpenAI ప్రతినిధి సమావేశాన్ని ధృవీకరించారు కానీ విషయాల వివరాలను ఇవ్వడానికి నిరాకరించారు.
తార్కిక సామర్థ్యాలను నాటకీయంగా మెరుగుపరుస్తుందని అంచనా
ఈ ఆవిష్కరణ తన AI మోడల్ల తార్కిక సామర్థ్యాలను నాటకీయంగా మెరుగుపరుస్తుందని OpenAI భావిస్తోంది. స్ట్రాబెర్రీ చాలా పెద్ద డేటాసెట్లపై ముందస్తు శిక్షణ పొందిన తర్వాత AI మోడల్ను ప్రాసెస్ చేయడానికి ఒక ప్రత్యేక మార్గాన్ని కలిగి ఉందని దాని గురించి తెలిసిన వ్యక్తి చెప్పారు. AI మానవ లేదా సూపర్-హ్యూమన్-స్థాయి మేధస్సును సాధించడంలో తార్కికం కీలకమని రాయిటర్స్ ను ఇంటర్వ్యూ చేసిన పరిశోధకులు చెప్పారు. పెద్ద భాషా నమూనాలు ఇప్పటికే దట్టమైన పాఠాలను సంగ్రహించగలవు. మానవుల కంటే చాలా త్వరగా సొగసైన గద్యాన్ని కంపోజ్ చేయగలవు. సాంకేతికత తరచుగా తార్కిక తప్పిదాలను గుర్తిస్తాయి. టిక్-టాక్-టో ప్లే చేయడం వంటి వ్యక్తులకు సహజంగానే పరిష్కారాలు అనిపించే ఇంగితజ్ఞాన సమస్యలపై చాలా తక్కువగా ఉంటుంది.