Nyu-York Universiteti tərəfindən

Sadie Harley tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Kredit: Unsplash/CC0 İctimai Sahə

Süni intellekti əhatə edən əsas narahatlıqlar arasında uzun sənədləri ümumiləşdirərkən səhv məlumatlar vermə meyli var. Bu “hallüsinasiyalar” təkcə yalan məlumat ötürmələri ilə deyil, həm də səmərəliliyi azaltdıqları üçün problemlidir – süni intellekt çıxışlarındakı səhvləri axtarmaq üçün məzmunu çeşidləmək vaxt aparır.

Bu çətinliyi həll etməyə kömək etmək üçün bir qrup kompüter alimi quşların öz-özünə necə səmərəli şəkildə təşkil olunduğunu təqlid edərək təbii bir fenomendən – quşların sürüsündən – istifadə edən bir alqoritmik çərçivə yaratmışdır. Çərçivə, böyük dil modelləri (LLM) üçün əvvəlcədən işləmə mərhələsi kimi xidmət edir və onlara böyük sənədlərin daha etibarlı xülasələrini yaratmağa kömək edir.

Bu barədə Frontiers in Artificial Intelligence jurnalında məlumat verilir .

Tədqiqatçılar əvvəlcə süni intellekt agentlərinin necə səhv etdiyini araşdıraraq quş sürüsü alqoritmini yaratdılar.

Bu sistemlər müstəqil şəkildə araşdırma aparmaq, yazmaq və ümumiləşdirmək üçün hazırlanmış LLM-lər üzərində qurulub. Lakin yaxşı yaza bilsələr də, həmişə dəqiq və ya düzgün xülasələr hazırlamır.

“Təsiredici amillərdən biri də giriş mətni həddindən artıq uzun, səs-küylü və ya təkrarlanan olduqda, modelin performansının pisləşməsidir ki, bu da süni intellekt agentlərinin və magistr dərəcəli mütəxəssislərin əsas faktları izləməməsinə, vacib məlumatları lazımsız məzmun arasında qarışdırmasına və ya mənbə materialından tamamilə uzaqlaşmasına səbəb olur”, – işi aparan NYU-nun Courant İnstitutunun Riyaziyyat, Hesablama və Məlumat Elmləri Məktəbinin kompüter elmləri professoru və Proqnozlaşdırıcı Analitika və Süni intellekt Tədqiqat Laboratoriyasının direktoru Anasse Bari izah edir.

Bu çatışmazlığın səbəbindən çıxış edərək, Bari və həmmüəllif, NYU kompüter elmləri tədqiqatçısı Binxu Huang, fərqli hissələrin — quş sürüsünün — toplanması üçün nizamlı və zamanla sınaqdan keçirilmiş bir üsula müraciət etdilər və bunu generativ süni intellekt üçün əvvəlcədən emal mərhələsi kimi tətbiq etdilər.

Onların metodu uzun bir sənəddəki hər bir cümləni – elmi araşdırma və ya hüquqi təhlil – virtual quş kimi nəzərdən keçirdi. Sadələşdirilmiş nəticə verərkən, sənədin cümlələrini mövqeyinə, tematik mərkəzinə və aktuallığına əsasən qiymətləndirdi, sonra onları quşların öz-özünə sürü halına gəlməsini əks etdirən qruplara qruplaşdırdı.

Bu qruplaşdırma, artıqlığı minimuma endirmək və əsas məqamları qorumaq məqsədi ilə hər bir klasteri ən təmsilçi cümlələrə endirdi. Nəticədə hazırlanmış xülasə daha sonra strukturlaşdırılmış, qısa və azaldılmış giriş kimi LLM-ə ötürüldü.

“Məqsəd, yekun xülasə yaratmazdan əvvəl təkrar və səs-küyü azaltmaqla süni intellekt modellərini mənbə materialına daha yaxından uyğunlaşdırmaq idi”, – deyə əvvəllər onlayn axtarışları təkmilləşdirmək üçün alqoritm hazırlayarkən təbii hadisələrə müraciət edən Bari bildirir.

Daha ətraflı şəkildə necə işlədiyinə baxın:

Mərhələ 1: Hər cümləni qiymətləndirin

Hər cümlə yalnız isimlər, fellər və sifətlər saxlanılmaqla, artikllər, qoşmalar, bağlayıcılar və durğu işarələri isə çıxarılmaqla təmizlənir. Digər təbii dil emalı üsulları ilə yanaşı, çoxsözlü terminlər də birləşdirilir (“ağciyər xərçəngi” “ağciyər_xərçəngi”nə çevrilir), beləliklə tək anlayışlar toxunulmaz qalır.

Daha sonra hər bir cümlə leksik, semantik və aktual xüsusiyyətləri birləşdirərək ədədi vektora çevrilir. Cümlələr sənəd miqyasında mərkəzilik, bölmə səviyyəsində əhəmiyyət və xülasə ilə uyğunluq baxımından qiymətləndirilir, Giriş, Nəticələr və Nəticə kimi əsas bölmələr üçün ədədi artım müşahidə olunur.

Mərhələ 2: Müxtəliflik üçün quşların sürüsü

Yalnız ən yüksək bal toplayan cümlələri götürmək təkrarlanma riskini daşıyır və stullar axın edir. Məsələn, xərçəng tədqiqatı sənədində ən yüksək bal toplayan beş cümlənin hamısı müalicə nəticələrini müzakirə edə bilər.

Bunun əvəzinə, çərçivə hər cümləni mənasına görə xəyali bir məkanda yerləşdirilmiş quş kimi qəbul edir. Təbiətdəki real quşlar kimi, koheziya (yaxınlıqdakı quşlara yaxın olmaq), uyğunlaşma (qonşularla eyni istiqamətdə hərəkət etmək) və ayrılma (sıxlıqdan qaçınmaq) kimi üç sadə qaydaya əməl edərək öz-özünə dəstələrə çevrilirlər, oxşar mənalara malik cümlələr təbii olaraq bir araya gəlir və eyni zamanda fərqli qruplaşmaları qoruyur. Liderlər hər bir qrup daxilində ortaya çıxır və ardıcıllar ən yaxın liderlərinə bağlanırlar.

Oxşar cümlələrin hər son dəstəsindən yalnız ən yüksək bal toplayanlar seçilir, beləliklə, xülasə bir mövzunu təkrarlamaq əvəzinə, arxa planı, metodları, nəticələri və nəticələri əhatə edir – beləliklə, sənədin məzmun müxtəlifliyini təkrarlamadan əks etdirir. Seçilmiş cümlələr yenidən sıralanır və LLM tərəfindən dəstəklənən süni intellekt agentinə ötürülür və bu agent onları orijinal mənbə məzmununa əsaslanan səlis xülasəyə sintez edir.

Tədqiqatçılar alqoritmi 9000-dən çox sənəd üzərində qiymətləndirərək, bu yanaşmanın yalnız LLM tərəfindən dəstəklənən süni intellekt agenti ilə müqayisədə daha yaxşı nəticələr verib-vermədiyini araşdırdılar. Quş sürüsündən ilhamlanan alqoritm də daxil olmaqla, çərçivə LLM-lərlə birləşərək, alqoritm olmadan məzmun yaradan LLM-lərdən daha yüksək faktiki dəqiqliklə xülasə yaratmağa kömək etdi.

Bari deyir: “İşimizin əsas ideyası, böyük mətnlərin süni intellekt agentinə və ya LLM-ə ötürülməzdən əvvəl əvvəlcədən emal mərhələsi kimi xidmət edən və LLM-lərə və ya süni intellekt agentlərinə rəqib kimi deyil, eksperimental çərçivə hazırlamağımızdır”.

“Çərçivə sənəddəki ən vacib cümlələri müəyyən edir və orijinal mətnin daha qısa təsvirini və xülasəsini yaradır, süni intellektə çatmazdan əvvəl təkrarları və səs-küyü aradan qaldırır.”

Lakin müəlliflər etiraf edirlər ki, onların yanaşması heç də hər hansı bir problemin həlli deyil.

Bari qeyd edir ki, “Məqsəd süni intellektə mənbə materialına daha yaxın olan xülasələr yaratmağa kömək etməkdir. Bu yanaşma halüsinasiya problemini qismən həll etmək potensialına malik olsa da, biz bunu həll etdiyimizi iddia etmək istəmirik – həll etməmişik.”

Nəşr detalları

Qabaqcıl Böyük Mətn Xülasəsi üçün Quşdan İlhamlanmış Süni İntellekt Çərçivəsi, Süni İntellektdə Sərhədlər (2026). DOI: 10.3389/frai.2026.1703769

Jurnal məlumatı: Süni intellektdə sərhədlər 

Əsas anlayışlar

Böyük dil modelləriMaşın öyrənmə metodologiyalarıNyu-York Universiteti tərəfindən təmin edilir