Gehirninspirierte KI-Architektur vereinfacht die Lösung komplexer Aufgaben

Das in Sin­ga­pur ansäs­sige KI-Start­up Sapi­ent Intel­li­gence hat die Hier­ar­chi­cal Rea­son­ing Mod­el (HRM)-Architektur entwick­elt, die in kom­plex­en Auf­gaben der Schlussfol­gerung oft bess­er abschnei­det als große Sprach­mod­elle (LLMs). Die HRM basiert auf der Funk­tion­sweise des men­schlichen Gehirns, das langsame, pla­nende und schnelle, intu­itive Prozesse kom­biniert¹New AI archi­tec­ture deliv­ers 100x faster rea­son­ing than LLMs with just 1,000 train­ing exam­ples.

Die Vorteile der HRM sind ihre Effizienz und geringe Date­nan­forderun­gen, was sie beson­ders für reale Unternehmen­san­wen­dun­gen in dat­en- und ressourcenbeschränk­ten Umge­bun­gen geeignet macht. Im Gegen­satz zur Chain-of-Thought (CoT)-Methode der LLMs, die textbasierte Zwis­chen­schritte nutzt, arbeit­et HRM mit “laten­ter Schlussfol­gerung”, also inter­nen, abstrak­ten Prob­lem­lö­sun­gen, wodurch sie schneller und präzis­er agiert.

Durch die Kop­plung von zwei Mod­ulen – einem High-Lev­el-Mod­ul für strate­gis­che Pla­nung und einem Low-Lev­el-Mod­ul für detail­lierte Berech­nun­gen – ver­mei­det HRM Prob­leme wie frühzeit­ige Kon­ver­genz oder das Van­ish­ing-Gra­di­ent-Prob­lem. Tests zeigten, dass HRM kom­plexe Auf­gaben wie Sudoku oder abstrak­te Rät­sel mit deut­lich weniger Dat­en löst und beste­hende CoT-Mod­elle über­trifft.

Für Anwen­dun­gen wie Robotik, wis­senschaftliche Forschung und Logis­tik bietet HRM eine 100-fache Beschle­u­ni­gung der Auf­gaben­bear­beitung sowie erhe­bliche Kosteneinsparun­gen. Zukün­ftige Weit­er­en­twick­lun­gen zie­len auf viel­seit­igere Ein­satzmöglichkeit­en, z. B. in Gesund­heit oder Kli­maforschung, und bein­hal­ten selb­stko­r­rigierende Fähigkeit­en. HRM zeigt, dass Fortschritte in der KI nicht durch größere Mod­elle, son­dern durch smartere, gehirnin­spiri­erte Architek­turen erre­icht wer­den kön­nten