في عالم الذكاء الاصطناعي، يعتبر التفكير المتوازي أداة قوية تعزز دقة وموثوقية النماذج الكبيرة من خلال استكشاف مسارات حل متعددة. لكن، كما هو معروف، يزداد تكلفة الحساب مع عمق التفكير وعدد الفروع. حتى الآن، كانت الأساليب المستخدمة لإدارة هذه المسارات المتوازية تعتمد غالبًا على توافق الإجابات النهائية أو الثقة المحلية في الرموز أو فحوصات مستقلة. ومع ذلك، غالبًا ما تكون هذه الإشارات محدودة في توقيتها وضعيفة الصلة بتقدم التفكير الفعلي، مما يجعلها غير كافية للتحكم الديناميكي على مستوى الفروع.

للتغلب على هذه التحديات، قدمنا إطار بارا تيمبو (ParaTempo)، وهي بنية مثيرة وخالية من التدريب للتفكير المتوازي غير المتزامن، حيث يعتمد على مفهوم الثقة الزمنية (temporal confidence)، وهو مقياس محلي لتركيز مساحة الإجابة.

يتم اختبار كل فرع دوريًا للتوصل إلى توزيع الاحتمالات للإجابة المؤقتة، وتقييس الثقة الزمنية يحدد مدى تركيز الفحوصات الأخيرة على إجابة مهيمنة. عندما تتجمع أدلة كافية، يدير بارا تيمبو كل عملية التحكم بناءً على هذه الإشارة الواحدة: يتم تقليم الفروع ذات الثقة المنخفضة، وتُبكر الفروع التي تلتزم باستمرار بإجابتها المهيمنة، كما يتم تخصيص الحسابات المحررة لفرع جديد، ويتوقف التوليد عالميًا عند تركيز الأصوات المرجحة بالثقة.

لا يتطلب بارا تيمبو مزامنة بين مسارات التفكير، مما يسمح بتخصيص الحسابات بشكل تكيفي بناءً على تقارب مستوى الفرع. أظهرت التجارب على معايير التفكير الرياضي والعلمي الصعبة أن بارا تيمبو يقلل من زمن الانتظار المتوسط بنسبة تتراوح بين 21.8-32.2% ومن استخدام الرموز الكلي بنسبة 18.1-30.3%، مع الحفاظ على دقة تنافسية.

علاوة على ذلك، تمتاز الثقة الزمنية بثبات زمني أقوى وقوة تنبؤية من الإشارات على مستوى الرموز والفورية.

هل تعتقد أن بارا تيمبو سيحدث ثورة في مجال الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!