ظهور مدل مغزمحور HRM که LLMها را ناامید می‌کند!
مدل استدلال سلسله مراتبی متن‌باز هوش هوشمند، معماری الهام‌گرفته از مغز که وظایف استدلال پیچیده را با ۲۷ میلیون پارامتر حل می‌کند! HRM که تنها با ۱۰۰۰ مثال بدون پیش‌آموزش و تنها با ۲۷ میلیون پارامتر آموزش دیده است، با موفقیت از پس چالش‌های استدلالی برمی‌آید که همچنان مدل‌های زبانی بزرگ (LLM) امروزی را ناامید می‌کنند.
استارتاپی نوآور به نام Sapient، مستقر در سنگاپور، از مدلی جدید با عنوان «مدل استدلال سلسله‌مراتبی» یا HRM پرده‌برداری کرده است؛ مدلی که رویکردی متفاوت از مدل‌های زبانی بزرگ (LLM) در حل مسائل منطقی و محاسباتی ارائه می‌دهد. برخلاف مدل‌های رایج که به میلیاردها پارامتر و حجم عظیمی از داده‌های آموزشی متکی هستند، HRM تنها با ۲۷ میلیون پارامتر و هزار نمونه آموزشی توانسته عملکردی فراتر از انتظار از خود نشان دهد.
مدل HRM استارتاپ Sapient در آزمون ARC-AGI
در آزمون معتبر ARC-AGI، که یکی از شاخص‌ترین معیارها برای ارزیابی میزان نزدیکی به هوش مصنوعی عمومی (AGI) محسوب می‌شود، HRM موفق به کسب امتیاز ۴۰.۳ درصد شده است. این در حالی‌ست که مدل‌های شناخته‌شده‌ای مانند ChatGPT (نسخه o3-mini-high) امتیاز ۳۴.۵ درصد، Claude 3.7 حدود ۲۱ درصد و DeepSeek R1 کمتر از ۱۶ درصد را ثبت کرده‌اند.
ویژگی برجسته HRM در الگوبرداری از ساختار عملکردی مغز انسان نهفته است؛ جایی که یک بخش با سرعت پایین‌تر مسئولیت برنامه‌ریزی انتزاعی را برعهده دارد، در حالی که بخش دیگر با سرعت بالا به انجام محاسبات جزئی می‌پردازد. این ترکیب دوگانه باعث شده HRM در حل مسائل پیچیده‌ای مانند سودوکوهای دشوار یا یافتن مسیرهای بهینه در هزارتوها، عملکردی نزدیک به انسان داشته باشد.
اگرچه این تحقیق هنوز مراحل داوری علمی را طی نکرده است، اما نتایج اولیه و بازتولید موفق آن توسط ناظران مستقل نشان می‌دهد که ممکن است در آستانه ظهور نسل جدید هوش مصنوعی قرار داشته باشیم؛ نسلی که توانایی استدلالی مشابه مغز انسان دارد و می‌تواند چشم‌انداز رقابت جهانی در حوزه هوش مصنوعی را به‌طور بنیادین دگرگون سازد.
