Az új „Reasoning Laws” megállíthatja az AI-modellek logikátlan gondolkodását

• Egy kutatócsoport új „Reasoning Laws” elméletet dolgozott ki a mesterséges intelligencia modellek logikátlan gondolkodásának kezelésére.
• A jelenlegi reasoning modellek gyakran nem igazítják gondolkodási erőforrásaikat a feladat nehézségéhez.
• Az új szabályok és speciális finomhangolás jelentősen javíthatják az AI-modellek következetességét és pontosságát.

Az utóbbi években a reasoning, vagyis a következtetési képességek fejlesztése vált az egyik legfőbb kihívássá a mesterséges intelligencia (MI) kutatásában. Egy amerikai kutatócsoport most új elméleti keretrendszert, az úgynevezett „Laws of Reasoning”-et (LoRe) dolgozott ki, melynek célja, hogy az MI-modellek következetlen, néha logikátlan gondolkodását hatékonyabbá és kiszámíthatóbbá tegye.^{[^1]}

Az MI-modellek gondolkodásának jelenlegi kihívásai

A reasoning trace és az emberi logika eltérései

Az OpenAI o1 vagy a Deepseek-R1 reasoning modellek egyedi sajátossága, hogy válaszaik előtt belső gondolkodási folyamatot – az úgynevezett reasoning trace-t – generálnak. Ez különösen bonyolult matematikai vagy logikai problémák esetén növeli a teljesítményt. Azonban a kutatások szerint az MI-modellek gyakran túl sok vagy túl kevés időt töltenek a feladatokon, nem igazodva azok valódi nehézségéhez.^{[^1]}

„A modell a szám négyzetre emelésekor több, mint 300 reasoning tokent generál, mint egy összetett feladatnál, miközben a pontosság is csökken.”

Ez ellentmond az emberi gondolkodásnak, ahol a ráfordított idő és erőfeszítés általában arányban áll a feladat bonyolultságával.

Az új „Reasoning Laws” keretrendszer

Két kulcstörvény az optimális gondolkodásért

A kutatók által javasolt LoRe-keretrendszer két alapvető szabályt fogalmaz meg:

• Számítási törvény: Az MI-gondolkodás erőforrásigénye arányos legyen a feladat nehézségével – kétszer bonyolultabb feladat kétszer annyi „gondolkodási időt” igényeljen.
• Pontossági törvény: A pontosság a feladat nehézségének növekedésével exponenciálisan csökkenjen.

Ezek a törvények segítenek a modellek gondolkodási mintáinak optimalizálásában, különösen összetett, több részből álló feladatoknál.^{[^1]}

A jelenlegi modellek hiányosságai és az új benchmarkok

Összetett feladatoknál még mindig elakadnak

A kutatók egy 40 feladatból és 250 feladatpárból álló benchmarkkal tesztelték a jelenlegi reasoning modelleket. Az eredmények azt mutatták, hogy a legtöbb modell ugyan több időt fordít a nehezebb feladatokra, de az összetett feladatoknál a gondolkodási idő és erőforrásigény nem adódik össze helyesen. Még a speciális mechanizmusokkal rendelkező modellek, mint a Thinkless-1.5B vagy az AdaptThink-7B sem teljesítettek jobban ebben a tekintetben.^{[^1]}

Finomhangolás: hogyan lehet javítani az MI-következtetést?

Additív gondolkodás mint kulcs

A kutatók egy új, finomhangolási módszert vezettek be, amely a gondolkodási idő additív jellegét erősíti. A módszer lényege, hogy két részfeladat és azok kombinációja esetén a teljes gondolkodási idő a két részfeladat összegének feleljen meg. Az így tréningezett modellek akár 11,2 százalékponttal is növelték a pontosságot egyes benchmarkokon, míg a gondolkodási idő eltérését 40,5 százalékkal csökkentették.^{[^1]}

Az MI-reasoning fejlődése és jövője

Skálázás, de nem emberi gondolkodás

2025-ben a reasoning-modellek jelentős fejlődést hoztak az MI-piacon. Az olyan modellek, mint az OpenAI o3 vagy a Claude 4.5 Sonnet, egyre nagyobb számítási kapacitást és testreszabható gondolkodási keretet kínálnak. Azonban a kutatások rendre rámutatnak, hogy az MI-reasoning nem egyenlő az emberi kreatív gondolkodással – az MI főleg a tanult minták alapján talál megoldásokat, új ötleteket nem képes generálni.^{[^1]}

A jövőben a kutatók abban bíznak, hogy az új Reasoning Laws és a speciális tréningek révén a mesterséges intelligencia modellek logikusabb, következetesebb gondolkodásra lesznek képesek, közelebb kerülve az emberi logika és hatékonyság szintjéhez.

Forrás:

[^1]: Zhang et al. (2025). “Forscherteam will unlogische KI-Grübelei mit neuen ‘Laws of Reasoning’ beenden”. THE DECODER. Közzétéve [2025. 12. 29.].