Pathway ընկերության գիտնականները ներկայացրել են արհեստական բանականության BDH-CQ անունով նոր մոդելը, որն օգտագործում է տրամաբանելու բոլորովին անսովոր մոտեցում։ Հետազոտողների խոսքով՝ վեկտորների վրա հիմնված այս նոր տեխնոլոգիան զգալիորեն էժան է ստանդարտ մեթոդներից և կարող է ազդարարել արհեստական բանականության «հետտրասնֆորմերային» դարաշրջանի սկիզբը։
Նոր համակարգի արդյունավետությունը ստուգելու համար մասնագետներն օգտագործել են 2019 թվականին ստեղծված ARC-AGI հայտնի թեստը, որը չափում է համակարգերի ոչ վերբալ տրամաբանության մակարդակը։ BDH-CQ-ն կարողացել է ճիշտ լուծել առաջադրանքների մոտ 30 տոկոսը, ինչը բավականին տպավորիչ արդյունք է իր փոքր չափերի համեմատ։ Թեև որոշ խոշոր մոդելներ ավելի բարձր միավորներ են հավաքում, դրանց շահագործման ծախսերը հսկայական են։ Օրինակ՝ OpenAI-ի GPT 5.6 Luna (Low) մոդելը գրանցել է փոքր-ինչ ավելի բարձր ճշգրտություն, սակայն դրա ծախսը եղել է շուրջ 11 անգամ ավելի շատ։
Այս տարբերության գլխավոր պատճառն այն է, որ նոր մոդելն ունի ընդամենը 150 միլիոն պարամետր, մինչդեռ ժամանակակից ամենահզոր համակարգերն ունենում են տասնյակից մինչև հարյուրավոր միլիարդավոր պարամետրեր։ Փոքր ծավալի շնորհիվ մոդելն ավելի արագ է սովորում և շատ ավելի քիչ էլեկտրաէներգիա ու հաշվողական հզորություն է պահանջում։
Սովորական մոդելները խնդիրները լուծելիս բառ առ բառ գրում են իրենց մտքերի շղթան, ինչը ծանրաբեռնում է հիշողությունը և թանկացնում գործընթացը։ BDH-CQ-ն դրա փոխարեն օգտագործում է հատուկ թվային զանգվածներ ու ներքին կրկնվող ցիկլեր, որոնք թույլ են տալիս լուծել բարդ abstract խնդիրներ առանց լրացուցիչ տեքստ գրանցելու։
Նոր ճարտարապետության արդյունքներն արդեն անկախ հետազոտողների կողմից ստուգվել ու հաստատվել են։ Pathway-ը ծրագրում է ապագայում ընդլայնել այս տեխնոլոգիան մինչև 600 միլիարդ պարամետր և այն կիրառել կիբեռանվտանգության ու արդյունաբերական ոլորտներում։
BDH-CQ մոդելի գրանցած արդյունքները ցույց են տալիս, որ արհեստական բանականության ոլորտում առաջընթացը կարող է տեղի ունենալ ոչ միայն մոդելների չափերն անսահման մեծացնելու, այլև դրանց ճարտարապետությունը արմատապես փոխելու հաշվին։ Եթե այս «հետտրանսֆորմերային» մոտեցումը լայն կիրառություն ստանա, այն կարող է էապես նվազեցնել ԱԲ համակարգերի պահպանման ու ներդրման հսկայական ծախսերը։
Այնուամենայնիվ, դեռ վաղ է պնդել, թե տեխնոլոգիան լիովին պատրաստ է փոխարինելու գործող ստանդարտներին։ Մոդելը փորձարկվել է միայն որոշակի տեսակի տրամաբանական թեստերի վրա, և Pathway-ը դեռ պետք է ապացուցի, որ այս համակարգը նույնքան արդյունավետ է աշխատում նաև մեծածավալ տեքստերի ու սովորական չաթ-բոտերի պարագայում։
