Hijerarhijski model zaključivanja (HRM), umjetna inteligencija rađena po uzoru na ljudski mozak, u zadacima logičkog zaključivanja nadmašuje najmodernije velike jezičke modele poput ChatGPT-a. HRM je rezultat rada singapurske kompanije Sapient Intelligence i dizajniran je prema načinu na koji mozak obrađuje informacije na više hijerarhijskih nivoa i vremenskih skala. Poput odnosa prefrontalnog korteksa i bazalnih ganglija u ljudskom mozgu, HRM djeluje kroz dva odvojena, međusobno povezana modula: jedan za sporo, visokorangirano planiranje i drugi za brze, detaljne proračune.
Umjesto klasične lančane dekompozicije problema (chain-of-thought), HRM koristi “iterativno rafiniranje”: u više kratkih ciklusa „razmišljanja“ model predlaže rješenje, procjenjuje treba li ga poboljšati i po potrebi ponavlja rafiniranje. Ključno je da završava s vrlo tačnim odgovorima bez eksplicitnog nadzora svakog međukoraka. HRM pritom trenira na samo 1000 primjera i ima 27 miliona parametara, nasuprot milijardama u LLM-ovima, što ga čini izuzetno efikasnim.
HRM je postigao 40% tačnosti na ARC-AGI testu, gdje GPT-4 i Claude često ne prelaze 21%. Također je briljirao u složenim zadacima poput Sudokua i labirinata. Podaci o modelu dostupni su na GitHubu, a sam rad postavljen na arXivu još čeka recenziju.
Čini se da većinu prednosti ne donosi sama hijerarhijska arhitektura, već rafinirajuća petlja i postupci augmentacije podataka. Iako model donekle memoriše specifične zadatke, singapurski inženjeri uvjereni su da HRM otvara novo poglavlje u razvoju AI-ja s potencijalom za primjenu u oblastima gdje su podaci rijetki, a preciznost ključna, poput medicine, robotike i klimatskih istraživanja.