Dragon Hatchling: Новый подход к генерализации в ИИ
Польский стартап Pathway представил архитектуру Dragon Hatchling (BDH), предлагающую решение сложной задачи искусственного интеллекта – генерализации во времени. Это способность модели учиться на опыте, прогнозировать и применять знания к новым задачам, избегая простого воспроизведения заученных шаблонов.
BDH отличается от традиционных трансформеров. Вместо больших матриц внимания используется построение локальных нейронных связей, геббовское обучение и динамическая перестройка структуры в процессе обучения. Сеть формирует структуру, подобную неокортексу – области человеческого мозга, отвечающей за обучение, память и принятие решений.
Разработчики отмечают, что модель требует меньше вычислительных ресурсов при сопоставимой производительности с системами уровня GPT. Структура BDH обеспечивает лучшую интерпретируемость, позволяя понять логику принятия решений. Это приближает к созданию систем, способных адаптироваться и учиться в реальном времени, подобно человеку, без длительного переобучения.
В общем, если искусственный интеллект продолжит развиваться такими темпами, скоро нам останется только сидеть и ждать, пока машины решат все наши проблемы, а мы будем думать, чем бы себя занять.
