Cercetătorii de la compania Sapient din Singapore au dezvoltat un model inovativ de inteligență artificială, cunoscut sub denumirea de hierarchical reasoning model (HRM). Acest model reușește să depășească rezultatele altor sisteme avansate de inteligență artificială, precum modelele lingvistice de mari dimensiuni (LLM), în teste de raționament complex.

HRM se bazează pe principii inspirate de creierul uman, procesând informațiile la diverse niveluri de abstractizare. Conform unui studiu recent, încă nevalidat prin peer-review, acest model utilizează semnificativ mai puțini parametri – doar 27 de milioane – și necesită un volum redus de date de antrenament, aproximativ 1.000 de exemple. Spre deosebire de modelele actuale ce folosesc miliarde sau trilioane de parametri, HRM se dovedește mai eficient într-un mod inovator.

Printre realizările notabile ale HRM se numără performanța superioară în cadrul benchmark-ului ARC-AGI, un test complex destinat evaluării inteligenței artificiale. HRM a obținut un scor de 40,3% în versiunea ARC-AGI-1, depășind alte modele precum o3-mini-high de la OpenAI și Claude 3.7 de la Anthropic. În versiunea mai dificilă, ARC-AGI-2, HRM a obținut 5%, comparativ cu scorurile inferioare ale concurenței.

HRM folosește o abordare distinctă, combinând două module funcționale: unul pentru planificare abstractă și altul pentru calcule rapide. Această structură reflectă organizarea regiunilor din creierul uman și permite modelului să rezolve probleme complexe, precum Sudoku sau optimizarea traseelor în labirinturi, acolo unde LLM-urile de obicei eșuează.

Deși rezultatele sunt impresionante, studie ridică unele întrebări. Organizatorii benchmark-ului ARC-AGI au confirmat scorurile, dar au observat că arhitectura ierarhică nu a fost atât de influentă în performanță. O etapă de rafinare, menționată în studiu, ar fi fost crucială pentru obținerea rezultatelor finale.

În ciuda acestor incertitudini, HRM reprezintă un pas semnificativ în dezvoltarea inteligenței artificiale care nu se bazează exclusiv pe cantitatea de date. Dacă rezultatele vor fi validate prin evaluări independente, această tehnologie ar putea deschide perspective noi și eficiente pentru viitorul inteligenței artificiale. Monitorizarea continuă a acestor evoluții va fi esențială pentru a înțelege impactul real al acestor inovații.