Вчені знайшли докази мислення у однієї з моделей штучного інтелекту

Дослідники Університету Іннополіс вивчили рекурсивну модель штучного інтелекту, здатну вирішувати задачі просторового мислення при значно меншому розмірі, ніж традиційні трансформери. Головна особливість системи — вона не накопичує параметри, а повторно обробляє інформацію одним компактним блоком.

Під час експериментів модель продемонструвала так званий ефект «раптового навчання»: після тривалого плато, коли результати майже не змінювалися, похибка різко падала. Дослідники встановили, що на цей стрибок впливають складність задачі та глибина рекурсії.

Серед тестових завдань були, зокрема, задачі зі складання пазлів. Модель містить менш як мільйон параметрів — це робить її придатною для запуску на пристроях з обмеженими обчислювальними ресурсами, зазначив заступник директора Інституту аналізу даних та ШІ університету Рустам Лукманов.

Автори дослідження дійшли висновку, що продуктивність таких систем можна підвищувати за рахунок збільшення часу обробки, а не лише нарощування розміру моделі. Це суперечить усталеній тенденції в галузі, де прогрес традиційно досягається через масштабування.

Результати роботи опубліковано у збірнику конференції ICLR 2026.