Сінгапурські вчені створили інноваційний штучний інтелект, що імітує роботу люського мозку

Сінгапурський стартап Sapi­ent представив нову архітектуру штучного інтелекту, яка здивувала галузь високих технологій: їхня модель Hier­ar­chi­cal Rea­son­ing Mod­el (HRM) перевершила великі LLM на зразок Ope­nAI GPT‑4 та Anthrop­ic Claude у складному тесті на логічне мислення — ARC-AGI — використавши при цьому у тисячу разів менше параметрів.

За даними препринту на arX­iv, HRM досягла 40,3% точності на ARC-AGI. Для порівняння: Ope­nAI o3-mini-high показав 34,5%, Claude 3.7 — 21,2%, Deepseek R1 — 15,8%. При цьому HRM має лише 27 мільйонів параметрів, тренувався на 1 000 зразках, без попереднього навчання чи донавчання на інтернет-корпусах.

Архітектура моделі наслідує роботу мозку: високорівневий контролер формує стратегії, а низькорівневий виконавець обробляє деталі. Система працює у зворотному циклі, що дозволяє уточнювати рішення без традиційного «ланцюжка міркувань» (Chain-of-Thought), яким користуються сучасні LLM. Це робить модель швидшою та ефективнішою.

За словами розробників, HRM особливо добре проявляє себе у логічних завданнях, зокрема у розв’язанні судоку та навігації в лабіринтах, де більшість моделей демонструють слабкі результати. Проте незалежні дослідники зазначають, що ключову роль у високих показниках може відігравати не сама ієрархічна структура, а нова техніка навчання — «refine­ment loop», яку автори описали лише побіжно.

Якщо успіх HRM буде підтверджено, це може означати зрушення у підході до створення AI: від «масштабування за будь-яку ціну» до більш економних, мозкоподібних архітектур. Це знизить енергетичні витрати на розробку і зробить системи доступнішими. Водночас модель перебуває на ранньому етапі, ще не пройшла рецензування та не має відкритого коду, тож її довгострокова цінність залишається під питанням.