Socratic Intelligence as Applied for Artificial and Human Agents

Anotacija

Straipsnyje supažindinama su Sokratiškojo Intelekto (SI) koncepcija ir analizuojama, kaip didieji kalbos modeliai (DKM) yra susiję su dirbtinio bei žmogiškojo mokymosi procesais. Trumpai apžvelgiama DKM raida nuo statistinių iki transformatorių architektūrų, kartu aptariant klaidų bei šališkumo grėsmes. Siekiant jas suvaldyti, siūlomas „pateisinamai teisingo algoritmo“ principas, paremtas Sokratišku klausinėjimu, kuris reikalauja, kad atsakymai būtų pagrįsti, maksimaliai tikslūs ir skaidrūs. 
SI koncepcija siūlo holistinę dirbtinių ir žmogiškųjų mokymosi procesų perspektyvą, pabrėždama, kad dirbtiniai ir žmogiškieji agentai mokosi stebėdami, sąveikaudami ir reflektuodami sąveikas bei stebėjimo duomenis. Remiantis kitų autorių darbais, teigiama, kad mokymosi rezultatus lemia metakognityviniai gebėjimai ir pastiprinimo mechanizmai, o Sokratiškasis intelektas gali būti apibrėžtas kaip apimantis pažintinį smalsumą, kritinį savirefleksyvumą, prielaidų analizę, gebėjimą palaikyti dialogą (taip pat ir vidinį) bei intelektinį nuolankumą.
Straipsnyje keliama prielaida, kad integruotas į išmaniąsias mokymo sistemas ar didžiuosius kalbos modelius, Sokratiškasis intelektas gali padėti mokytis, skatindamas kritiškai mąstyti: analizuoti ir tikrinti prielaidas, informaciją, išvadas. Ta pati gali būti pritaikyta paties dirbtinio intelekto algoritmų procesams, kad sistemos dinamiškai tikrintųsi ir nuosekliai tobulėtų. Straipsnyje teigiama, jog taip galima sumažinti „haliucinacijų“ bei šališkų išvadų rizikas, nes patys modeliai įgalinami savireguliuotis. Ateities tyrimai turėtų empiriškai patikrinti SI efektyvumą skirtinguose kontekstuose bei įvertinti, kokiomis sąlygomis SI iš tiesų gali pagerinti mokymosi rezultatus bei dirbtinio intelekto patikimumą.