O companie din Singapore a adus o schimbare radicală în peisajul inteligenței artificiale, propunând o abordare inovatoare.
În timp ce giganții tehnologici mizează pe dezvoltarea unor modele din ce în ce mai vaste, ce numără miliarde de parametri, Sapient a creat o inteligență artificială cu doar 27 de milioane de parametri, care reușește să depășească cele mai recente creații ale OpenAI și Anthropic.
Secretul acestei performanțe uimitoare constă într-o inspirație directă din funcționarea ierarhică a creierului uman, reinterpretând în totalitate modul în care mașinile raționează. Industria inteligenței artificiale pare prinsă într-o cursă acerbă a dimensiunilor.
Se estimează că GPT-5 de la OpenAI ar putea avea între 3.000 și 5.000 de miliarde de parametri, cifre astronomice ce impun infrastructuri colosale și bugete faraonice. În fața acestei logici a „mereu mai mare”, echipa Sapient a ales o cale fundamental diferită.
Modelul lor de raționament ierarhic, denumit HRM, are doar 27 de milioane de parametri și a necesitat doar 1.000 de eșantioane de antrenament. Aceste cifre par insignifiante în comparație cu standardele actuale, însă rezultatele obținute contrazic orice logică industrială stabilită.
În timpul testelor efectuate pe benchmark-ul ARC-AGI, considerat una dintre cele mai dificile provocări pentru măsurarea capacităților de raționament ale inteligențelor artificiale, micul model de la Sapient a produs o surpriză majoră.
Cu un scor de 40,3%, acesta a depășit o3-mini-high de la OpenAI (34,5%), Claude 3.7 de la Anthropic (21,2%) și Deepseek R1 (15,8%). Această performanță este cu atât mai remarcabilă cu cât concurenții săi mobilizau resurse computaționale infinit superioare.
Secretul acestei eficiențe extraordinare rezidă într-o abordare biomimetică îndrăzneață.
În loc să reproducă orbește mecanismele rețelelor neuronale artificiale clasice, cercetătorii de la Sapient s-au concentrat pe funcționarea reală a creierului uman, în special pe capacitatea sa de a procesa informațiile la diferite scări temporale.
În creierul nostru, anumite regiuni gestionează procese rapide ce durează câteva milisecunde, în timp ce altele orchestrează reflecții complexe ce se pot întinde pe mai multe minute.
Această organizare ierarhică permite o remarcabilă eficiență energetică și cognitivă, calități pe care inteligențele artificiale actuale cu greu le reproduc. Modelul HRM transpune această arhitectură în două module complementare.
Modulul de nivel superior își asumă rolul de strateg, elaborând planuri abstracte și direcții generale. În paralel, modulul de nivel inferior se ocupă de calculele detaliate și de operațiile rapide.
Această separare a sarcinilor reproduce fidel diviziunea muncii observată în circuitele noastre neuronale.
Majoritatea inteligențelor artificiale actuale utilizează raționamentul prin „lanț de gândire”, o metodă care descompune problemele complexe într-o serie de etape intermediare exprimate în limbaj natural.
Această abordare, deși intuitivă, suferă de mai multe limitări majore: necesită o supraveghere explicită a fiecărei etape, cere cantități enorme de date de antrenament și generează timpi de răspuns considerabili.
Inovația modelului HRM constă în abandonarea acestei logici secvențiale în favoarea unei procesări într-o singură trecere. Sistemul aplică o rafinare iterativă pe perioade scurte de reflecție, fiecare ciclu determinând dacă este cazul să continue analiza sau să propună un răspuns definitiv.
Această metodă elimină necesitatea de a supraveghea explicit etapele intermediare, accelerând drastic procesul de raționament. Performanțele modelului HRM în domenii specifice sunt impresionante. Acolo unde marile modele de limbaj eșuează lamentabil, sistemul de la Sapient excelează. Puzzle
-urile Sudoku complexe, adevărate provocări pentru inteligențele artificiale tradiționale, sunt rezolvate cu o precizie aproape perfectă.
De asemenea, navigarea optimă în labirinturi, o sarcină care pune în dificultate majoritatea algoritmilor convenționali, devine un joc de copii pentru această nouă arhitectură. Aceste succese nu sunt întâmplătoare.
Ele demonstrează o înțelegere fundamental diferită a ceea ce înseamnă „a raționa” pentru o mașină. În loc să multiplice parametrii și conexiunile, HRM optimizează organizarea și ierarhizarea informațiilor.
În ciuda acestor rezultate spectaculoase, descoperirea Sapient stârnește întrebări în cadrul comunității științifice. Studiul, publicat în prepublicare pe arXiv, nu a fost încă supus unei evaluări de către colegi.
Mai tulburător, atunci când organizatorii benchmark-ului ARC-AGI au încercat să reproducă experimentele, au făcut o descoperire neașteptată. Deși au confirmat performanțele anunțate, ei au observat că arhitectura ierarhică în sine a contribuit puțin la câștigurile de performanță.
Îmbunătățirile ar proveni mai degrabă dintr-un proces de rafinament aplicat în timpul antrenamentului, un element insuficient documentat în publicația originală. Această revelație nu diminuează interesul descoperirii, dar invită la prudență în ceea ce privește mecanismele reale aflate la lucru.
Ea ilustrează, de asemenea, complexitatea sistemelor de inteligență artificială moderne, unde sursele de îmbunătățire se pot dovedi diferite de cele inițial avute în vedere de creatorii lor.
Oricum ar fi, modelul HRM de la Sapient deschide o cale promițătoare către inteligențe artificiale mai eficiente și mai puțin energivore, o perspectivă crucială într-un moment în care amprenta ecologică a inteligenței artificiale devine o miză majoră.
