Comments 3
WTF? Нормальные люди используют RAG для данной цели, что гораздо проще и работает для гораздо более широкого круга задач.
Тоже верю что графы + ллм взорвут дальше в вопросах персонализации. (Учитывая, что LLM уже генерализируют по MDL).
Решить эти проблемы нацелена CogNLGL. Авторы вдохновились теорией из когнитивной психологии о двух подсистемах, которые составляют мышление человека. Первая быстро и неосознанно собирает информацию, вторая медленно и целенаправленно её анализирует. CogNLG тоже состоит из двух систем.
Типов мышления намного больше, в англ. варианте классификации выделено еще больше, меняется от автора к автору, и зависит от целей классификации. Канеман выделил два типа, ассоциативный и логический, в связи с исследования в области экономики. Это объясняет популярность этого упрощенного подхода, но эти уровни мышления действительно важные. ЯМ в основном реализуют ассоциативный тип мышления поэтому склонны фантазировать (галлюцинировать, что не совсем терминологически верно с точки зрения психофизиологии, т.к. галлюцинации связаны с депривацией восприятия, тогда уж бредить:), как и человек. И так же, как и человек с помощью логического мышления, но не только, уменьшает избыточное фантазирование, для ЯМ предлагается использовать элементы мышления по правилам (1, 2) для уменьшения их фантазирования.
Когнитивные графы это другое представление давно известных когнитивных карт, частным случаем которых являются семантические сети на базе которых в прошлом создавали экспертные системы, как реализаций идеи символьного ИИ. В некоторой степени обратились к прошлому опыту) Однако и ЯМ на только базе трансформеров, как прямых сетей, не позволят реализовать в полном объеме все возможности разных типов мышления человека, например, образного мышления. В перспективе возможно это будет по силам нейроморфным решениям, над которыми работают многие известные производители микропроцессорной техники, которые ближе по своим возможностям биологическим прототипам, по энергоэффектвности, асинхронности, динамизму, универсальности, способностям к обучению, и др. свойствам.
Спасибо за обзор!
Как графы знаний и LLM могут друг другу помочь