Вкратце
Вы когда-нибудь задумывались, действительно ли модели ИИ думают? Используя такие системы, как ChatGPT или Claude, создаётся впечатление, что они обрабатывают информацию почти как человек. Мы даже видим индикаторы «мышления» и можем проследить, как бот логически приходит к выводу.
Но на самом деле большие языковые модели и другие ИИ лишь имитируют мыслительные процессы, которые сильно отличаются от работы человеческого мозга. Однако новое исследование концепции Машин Непрерывного Мышления (Continuous Thought Machines, CTM) обещает перевернуть эту ситуацию.
Что такое Машина Непрерывного Мышления?
Машина Непрерывного Мышления — это инновационный тип нейронной сети, учитывающий время как неотъемлемую часть вычислений. В отличие от привычного одноразового вычисления, каждый нейрон в CTM сохраняет историю своей активности и использует её для принятия решений. В мае 2025 года компания Sakana AI подробно описала модель CTM в научной статье и блоге.
Sakana утверждают, что создали новый тип искусственных нейросетей, максимально приближенный к работе настоящего мозга. Здесь нейроны не просто активируются один раз — у них есть кратковременная «память», и они могут синхронизировать свои сигналы друг с другом. Внутреннее состояние сети формируется через временные паттерны такой синхронизации.
Это похоже на биологические процессы в мозге, когда синхронность порождает мозговые волны. В этом смысле CTM кардинально отличается от традиционных глубоких сетей и трансформеров. Например, типичный трансформер анализирует текст или изображение за определённое количество слоёв и затем «отключается», ожидая следующей задачи.
ИИ останется с нами надолго. Выучите эти 7 терминов, чтобы не потеряться
Поймите, что на самом деле скрывается за загадочными аббревиатурами вроде «LLM».
Эта тема открывает широкий простор для размышлений. Если я правильно всё понял (а в этом деле не так просто разобраться), меня особенно впечатлила вот эта цитата из статьи о решении лабиринтов и анализе изображений:
Удивительно, что хотя модель не была специально создана для этого, решения задач с лабиринтами выглядят прозрачно и напоминают человеческий процесс мышления, где можно буквально проследить путь, который она «строит». Что касается реальных изображений, хотя стимулом изучать детали модель не была, она всё равно интуитивно фокусируется на них.
А ещё лучше это описывает следующий фрагмент:
Мы дали нашей модели имя Машина Непрерывного Мышления (CTM). Она способна использовать новую временную ось, богатую динамику нейронов и синхронизацию, чтобы «обдумывать» задачи и планировать, прежде чем выдавать ответы. Термин «непрерывный» подчёркивает, что CTM постоянно работает во внутреннем «измерении мышления», не завися от момента поступления данных; модель одинаково эффективно обрабатывает как статичные (например, изображения), так и последовательные данные. Мы протестировали CTM на разных задачах — она успешно решала их и при этом делала результаты понятными для анализа.
Я не хочу заранее создавать лишние ожидания, пока независимые эксперты не подтвердят эти результаты, но прочитанное очень напоминает — пусть пока и в зачаточной форме — проявления сознания.
Чем сильный ИИ отличается от слабого?
Пока что не стоит бояться наступления эпохи роботов-диктаторов.
Почему CTM лучше современных нейросетей?
Главная инновация CTM — отказ от принципа «одного прохода» решения задачи. Современные модели обычно дают ответ в ограниченный промежуток времени, обрабатывая данные через трансформер один раз — именно так устроен, например, ChatGPT.
Отсюда и объяснение, почему текущие LLM не всегда могут эффективно исправлять свои ошибки. Методы вроде цепочек рассуждений, самоподсказок и кооперации между моделями помогают, но CTM обещает значительно улучшить точность и надёжность благодаря «памяти» и способности рассуждать во времени.
По словам Sakana, этот подход позволит объединить сильные стороны языковых моделей с гибкостью и адаптивностью живого мозга. Верю, что это откроет новые горизонты и в робототехнике — роботы смогут учиться и лучше приспосабливаться к физическому миру.
Что такое галлюцинации в ИИ? Может ли ChatGPT ошибаться?
Разбираемся, почему чат-боты иногда «выдумывают» факты.
Минусы непрерывного мышления
Хотя непрерывное мышление впечатляет, у него есть и минусы. Во-первых, CTM заметно сложнее и требовательнее к ресурсам, чем обычные нейронные сети. Поддержание «истории» активности каждого нейрона значительно расширяет внутреннее состояние сети. Обучение требует больше вычислительной мощности, памяти, времени и, возможно, больших объёмов данных для сходимости. Выдача ответов тоже может замедлиться, если система долго «обдумывает» сложный запрос.
Кроме того, инструменты и библиотеки для работы с ИИ пока ориентированы на статичные модели, а не на CTM. Поэтому потребуется время, чтобы технологии и экосистема адаптировались к этим новинкам.
Ещё одна серьёзная проблема — как понять, когда остановиться? Есть риск, что модель будет «зацикливаться» бесконечно, поэтому нужны сложные алгоритмы контроля и фильтрации. Без них ошибки могут копиться, и модель рискует скатываться в типичные «галлюцинации» — когда ответы всё дальше уходят от реальности.
И наконец, несмотря на новизну подхода, CTM пока уступает лучшим трансформерам по точности. По данным VentureBeat, на данный момент она не дотягивает до топовых моделей по ряду стандартных тестов.
Что такое LLM? Как ИИ ведёт диалог
Большие языковые модели — перспективная технология, но как она устроена?
Наш мозг до сих пор остаётся загадкой
Хотя CTM, по данным Sakana AI, весьма похожи на процессы в человеческом мозге, мы до сих пор плохо понимаем, как именно работает сознание. Возможно, исследователи идут по пути, близкому к естественной эволюции, а может, создают параллельную систему с похожим потенциалом.
Я давно считал, что современные модели — лишь часть большой головоломки универсального ИИ, где LLM — своего рода «языковой центр» мозга, а CTM — ещё один важный элемент системы. Поэтому с большим интересом буду следить за дальнейшими успехами Sakana.
Если вам понравилась эта статья, подпишитесь, чтобы не пропустить еще много полезных статей!
Вы также можете найти наши материалы в:
- Telegram: https://t.me/gergenshin
- Youtube: https://www.youtube.com/@gergenshin
- Яндекс Дзен: https://dzen.ru/gergen
- Официальный сайт: https://www-genshin.ru
