扩展模块化AI系统中的参与度

人类是多方面人才和需求的集合体，任何真正智能的人工智能都必须反映这种丰富性。然而，所有人使用的大语言模型都是由少数人建立的——一个由单一人工智能模型组成的集中市场，在结构上不适合捕捉人类知识、推理和价值观的多样性。在这里，我们引入了扩展参与，这是一种新的范式，其中模块化人工智能系统是通过不同利益相关者的贡献自下而上构建的。参与者贡献根据自己的兴趣和优先事项进行训练的小模型；然后，这些模型在模块化框架中作为组合人工智能系统进行协作。参与式人工智能系统在推理和事实性等 15 项任务中比单一大语言模型的表现高出 15.4%，超过了比所有贡献组件总和还要大的模型。进一步的实验表明，参与式人工智能系统受益于贡献者的多样性，大大提高了每个贡献者最初的优先级，并展现出新兴的能力，使它们能够解决超过 15% 的所有单个模型都失败的问题。扩大参与度为从单一现状转向开放、自下而上和协作的人工智能未来提供了技术基础。