Крупные языковые модели, такие как ChatGPT или Grok, впечатляют своей способностью генерировать тексты, но их слабое место — ошибки и излишняя уверенность в ложных ответах. Швейцарские исследователи нашли решение: новый алгоритм SIFT, который «подпитывает» ИИ релевантными данными, делая ответы точнее и надёжнее. Работа, опубликованная на портале arXiv, обещает революцию в работе нейросетей. Рассказываем, как работает SIFT, почему он эффективен и как изменит будущее ИИ.

Проблема ИИ: ошибки в уверенных ответах

Современные языковые модели часто ошибаются из-за неопределённости в обработке информации. Например, на вопрос «Сколько лет Роджеру Федереру и сколько у него детей?» ИИ может выдать только возраст, проигнорировав данные о семье, или придумать несуществующие факты. Проблема в том, как модели выбирают информацию: они либо опираются на неполные данные, либо «залипают» на одной теме, теряя контекст.

Швейцарские учёные из Цюриха разработали алгоритм SIFT (Semantically Informed Feature Transformation), который решает эту проблему, подбирая данные, максимально дополняющие вопрос. Это не просто поиск «похожих» слов, а сложный анализ, который делает ответы более полными и точными.

Как работает SIFT?

SIFT использует математический подход, основанный на векторах в многомерном пространстве, где слова и их смыслы представлены как точки. Чем ближе векторы, тем выше их семантическая связь. Но вместо того чтобы выбирать ближайшие данные (как в методе «ближайшего соседа»), SIFT ищет информацию, которая дополняет контекст, избегая повторов.

Пример:

  • Вопрос: «Сколько лет Роджеру Федереру и сколько у него детей?»
  • Обычный ИИ: находит дату рождения (1981) и выдаёт возраст (44 года в 2025 году), но пропускает данные о детях.
  • SIFT: анализирует оба аспекта, подбирая информацию о возрасте и семье (у Федерера четверо детей), и формирует полный ответ.

Алгоритм работает в три шага:

  1. Анализ вопроса: разбивает его на ключевые смысловые элементы.
  2. Поиск данных: выбирает источники, которые покрывают все элементы, избегая избыточной информации.
  3. Синтез ответа: объединяет данные в логичный и точный текст.

Почему SIFT — это прорыв?

SIFT не только улучшает качество ответов, но и меняет сам подход к работе ИИ:

  • Точность: в тестах SIFT превзошёл лучшие языковые модели, такие как GPT-4, в задачах, требующих многогранных ответов.
  • Эффективность: модель, использующая SIFT, была в 40 раз меньше по объёму, чем конкуренты, но показала сравнимую или лучшую производительность. Это снижает затраты на вычисления, что критично для устройств вроде iPhone 17 или смарт-весов Xiaomi Mijia S800.
  • Адаптивность: SIFT подстраивает объём вычислений под сложность вопроса, экономя ресурсы на простых задачах и углубляясь в сложные.

Исследователи отмечают, что метод универсален. Например, в медицине SIFT может выделять ключевые лабораторные показатели для диагностики, отсеивая лишние данные. В бизнесе — анализировать рыночные тренды, как в Сюнъане, где ИИ помогает прогнозировать спрос. В науке — обрабатывать данные миссий, таких как «Чанъэ-6» или изучение метеоритов.

Связь с другими открытиями

SIFT перекликается с исследованиями 2025 года:

  • ИИ и социальное понимание: исследование JHU показало, что ИИ уступает людям в анализе социальных видео. SIFT может улучшить такие модели, добавляя релевантный контекст.
  • Космос: алгоритм подходит для обработки данных с телескопов, как при изучении испаряющейся планеты BD+05 4868 Ab, где нужны точные выводы из сложных спектров.
  • Климат: SIFT может оптимизировать анализ погодных моделей, помогая климатологам из Nature Communications предсказывать перепады температур.

Пользователи на X в восторге: «SIFT — это как дать ИИ очки, чтобы он видел чётче!». Другие шутят: «Теперь Grok не будет путать Федерера с Надалем».

Ограничения и перспективы

SIFT пока тестировался на ограниченных наборах данных, и его внедрение в такие модели, как Grok или ChatGPT, потребует времени. Ещё одна сложность — доступ к качественным и разнообразным данным для обучения. Но потенциал огромен: метод может сделать ИИ надёжнее в критических сферах, от автономных машин до медицинских чат-ботов.

Швейцарцы планируют доработать SIFT, добавив поддержку видео и звука, чтобы он мог анализировать сцены, как в эксперименте JHU. К 2026 году, с ростом вычислительных мощностей (например, в чипах iPhone 18), SIFT может стать стандартом для компактных ИИ-моделей.