Reasoning Models

Модели рассуждений представляют собой значительный этап развития искусственного интеллекта, выходя за рамки простого сопоставления шаблонов и выполняя многошаговые логические выводы, решая задачи и принимая решения. В отличие от традиционных архитектур глубокого обучения, которые в значительной степени опираются на статистические корреляции, обнаруженные в огромных наборах данных, модели рассуждений предназначены для того, чтобы «обдумывать» задачу. Они часто используют такие методы, как подсказки с пошаговым рассуждением или внутренние черновики, чтобы разбить сложные запросы на промежуточные шаги перед формированием окончательного ответа. Благодаря этой способности они могут решать задачи, требующие математических, программных и научных рассуждений, с гораздо большей точностью, чем стандартные большие языковые модели (LLMs).

Основные механизмы рассуждений#

Переход к рассуждениям предполагает обучение моделей созданию собственного внутреннего монолога или трассы рассуждений. Последние разработки 2024 и 2025 годов, такие как серия OpenAI o1, показали, что выделение большего количества вычислительных ресурсов на «рассуждения во время вывода» значительно повышает производительность. Используя методы обучения с подкреплением, эти модели учатся проверять собственные шаги, возвращаться назад при обнаружении ошибок и уточнять свою логику перед представлением решения. Это отличается от более старых моделей, которые просто предсказывают следующий наиболее вероятный токен на основе вероятности.

Практические применения#

Модели рассуждений находят применение в сложных рабочих процессах, где точность имеет первостепенное значение.

• Сложная разработка программного обеспечения: Помимо простого автодополнения кода, модели рассуждений могут проектировать целые программные модули. Они способны понимать зависимости между несколькими файлами, находить сложные логические ошибки и оптимизировать алгоритмы, моделируя пути выполнения. Эта возможность имеет решающее значение для операций машинного обучения (MLOps), где автоматизированные конвейеры должны быть надежными.
• Научные открытия и исследования: В таких областях, как ИИ в здравоохранении, эти модели помогают исследователям анализировать противоречивые клинические данные, чтобы предлагать возможные диагнозы или лекарственные взаимодействия. Например, достижения Google DeepMind в области математических рассуждений показывают, как ИИ может решать новые задачи по геометрии — навык, который напрямую применим к физическому моделированию и структурной биологии.

Отличия моделей рассуждений от стандартных LLM#

Важно отличать «модели рассуждений» от универсального генеративного ИИ.

• Стандартные LLM (например, GPT-4, Llama 3): В основном это базовые модели, оптимизированные для беглости, творческого подхода и скорости. Они превосходно справляются с генерацией текста и составлением кратких изложений, но часто испытывают трудности с задачами, требующими строгой логики, что приводит к галлюцинациям.
• Модели рассуждений (например, OpenAI o1, Google Gemini 1.5 Pro): Это специализированные модели или модели, дообученные с приоритетом логической корректности, а не скорости. В отличие от «быстрого мышления» (системы 1) стандартных моделей, они используют встроенный процесс «медленного мышления» (системы 2). Поэтому они хуже подходят для чатов в реальном времени, но превосходят стандартные модели в задачах предиктивного моделирования, требующих высокой точности.

Визуальные рассуждения с помощью компьютерного зрения#

Хотя рассуждения на основе текста хорошо известны, визуальные рассуждения — это быстро развивающееся направление. Они предполагают интерпретацию сложных визуальных сцен для ответа на вопросы «почему» или «как», а не только на вопрос «что» присутствует в сцене. Объединяя высокоскоростное обнаружение объектов с помощью моделей, таких как Ultralytics YOLO26, и механизм рассуждений, системы могут анализировать причинно-следственные связи в видеопотоках.

Например, в автономных транспортных средствах система должна не только обнаружить пешехода, но и сделать вывод: «пешеход смотрит в телефон и идет к обочине, следовательно, он может выйти на проезжую часть».

В следующем примере показано, как извлекать структурированные данные с помощью Ultralytics YOLO26, а затем передавать их в модель рассуждений для получения сведений о сцене.

from ultralytics import YOLO

# Load the YOLO26 model for high-accuracy detection
model = YOLO("yolo26n.pt")

# Run inference on an image containing multiple objects
results = model("https://ultralytics.com/images/bus.jpg")

# Extract class names and coordinates for logic processing
# A reasoning model could use this data to determine spatial relationships
detections = []
for r in results:
    for box in r.boxes:
        detections.append(
            {"class": model.names[int(box.cls)], "confidence": float(box.conf), "bbox": box.xywh.tolist()}
        )

print(f"Structured data for reasoning: {detections}")

Будущее ИИ с рассуждениями#

Развитие ИИ движется в направлении искусственного общего интеллекта (AGI), где способности к рассуждению будут играть центральную роль. Мы наблюдаем сближение технологий: мультимодальное обучение позволяет моделям одновременно рассуждать на основе текста, кода, аудио и видео. Такие платформы, как Ultralytics Platform, развиваются для поддержки этих сложных рабочих процессов, позволяя пользователям управлять наборами данных, которые используются как для обучения визуальному восприятию, так и для обучения логическим рассуждениям.

Для дальнейшего изучения технических основ ознакомление с научными статьями о пошаговом рассуждении дает глубокое понимание того, как подсказки могут раскрывать скрытые способности к рассуждению. Кроме того, понимание нейросимвольного ИИ помогает разобраться в том, как логика и нейронные сети объединяются для создания более надежных систем.