Denne KI-teknologien er inspirert av hjernen – lover langt høyere ytelse enn dagens KI-modeller

KI-racet handler mye om å bygge ut infrastruktur og maskinkraft, men det jobbes også med helt nye tilnærminger til den grunnleggende teknologien bak. Noen av disse tilnærmingene er inspirert av hjernens virkemåte, og på den fronten meldes det nå om nye fremskritt.

Teknologinettstedet Venturebeat har fanget opp en sak om et oppstartsselskap fra Singapore som hevder å ha utviklet en ny, hjerneinspirert KI-arkitektur med tilsynelatende imponerende ytelse.

«Hierarkisk» prosessering

Den nye arkitekturen er døpt «Hierarchical Reasoning Model» (HRM) og er utviklet av Sapient Intelligence. Arkitekturen hevdes å kunne løse kompliserte oppgaver som dagens KI-modeller sliter med – og det med langt mindre treningsdata og ressurser.

HRM-arkitekturen, som beskrives i detalj i et eget forskningsdokument, er basert på den hierarkiske måten den menneskelige hjernen behandler informasjon på, og måten ulike deler av hjernen tar seg av forskjellige aspekter ved prosesseringen på.

– Den menneskelige hjernen gir et overbevisende utgangspunkt for å oppnå den effektive beregningsdybden som dagens KI-modeller mangler. Den organiserer prosesseringen hierarkisk på tvers av hjerneområder som opererer over ulike tidsskalaer, noe som muliggjør dyp, flerstegs resonnering, heter det i forskningsdokumentet.

Forskerne hevder at deres nye HRM-modell oppnår svært høy ytelse sammenlignet med dagens standard KI-modeller, og det med bare 27 millioner parametere og beskjedne 1000 treningseksempler.

Testet med ytelsesverktøy

I KI-sammenheng definerer parametere i korte trekk graden av kompleksitet i mønstrene som modellen kan lære, og jo flere parametere, jo mer kompliserte mønstre kan læres. De fleste av de mest fremtredende KI-modellene i dag opererer med flere milliarder parametere.

Det lave antallet parametere som den nye HRM-arkitekturen bruker, innebærer også at den krever langt mindre treningsdata og maskinkraft for å utføre resonneringsoppgavene – som altså gjør løsningen langt mer effektiv.

Forskerne testet den nye arkitekturen med et knippe ytelsesverktøy, deriblant en ekstra krevende utgave av det logikkbaserte spillet Sudoku. Her oppnådde systemet et tilnærmet perfekt resultat, ifølge forskerne, der hvor andre systemer basert på tradisjonell arkitektur ikke klarte å løse noen av oppgavene.

Tilsvarende resultater ble oppnådd med et verktøy som innebar å finne den optimale ruten gjennom kompliserte labyrinter.

Åpen kildekode

Forskerne brukte også ARC‑AGI, et ytelsesverktøy som er designet for å evaluere KI-systemers evne til å generalisere og resonnere på en måte som ligner menneskelig intelligens. Her skal HRM ha oppnådd en suksessrate på hele 40,3 prosent.

Til sammenligning har Open AIs potente modell o3-mini-high oppnådd 34,5 prosent på den samme testen, og Anthropics Claude 3.7 klarte en suksessrate på 21,2 prosent. Begge disse har altså vesentlig flere parametere og betydelig lengre kontekstvinduer.

Resultatene beskrives som lovende, men ennå gjenstår mye arbeid, og det er uvisst hvordan arkitekturen presterer i andre ytelsesmålinger. Alle detaljene kan man finne i den offisielle, tekniske gjennomgangen. Utviklerne har også gjort HRM-kildekoden åpent tilgjengelig på Github.