ეტაპობრივი მსჯელობა (ინგლ. Chain-of-Thought) არის ტექნიკა, რომლის დახმარებითაც AI მოდელი პრობლემას წყვეტს ცხადი, ეტაპობრივი მსჯელობით — თითქოს ადამიანი ხმამაღლა მსჯელობდეს — და არა პირდაპირ, საბოლოო პასუხის გამოცხადებით. პირველად ეს მიდგომა 2022 წელს აღწერეს, და გამოირკვა, რომ ეს იყო ერთ-ერთი ყველაზე მარტივი და ეფექტური გზა, რომლითაც დიდი ენობრივი მოდელები მათემატიკაში, ლოგიკასა და მრავალსაფეხურიან ამოცანებში საგრძნობლად გაუმჯობესდნენ — და დღეს სწორედ ეს უდევს საფუძვლად თანამედროვე მოწინავე „მსჯელობის“ AI მოდელების მუშაობას.
რას ნიშნავს ეტაპობრივი მსჯელობა სინამდვილეში
სტანდარტული დიდი ენობრივი მოდელი პასუხს ტოკენ-ტოკენად აგენერირებს, და თითოეული ახალი ტოკენი აირჩევა უკვე დაწერილის საფუძველზე — მათ შორის, მოდელის საკუთარი წინა ტოკენების გათვალისწინებით. ეტაპობრივი მსჯელობის პრომფტინგი — პრომფტ-ინჟინერიის ერთ-ერთი ფუძემდებლური ტექნიკა — სწორედ ამ ფაქტს იყენებს: თუ მოდელს დავავალებთ, ჯერ საკუთარი შუალედური მსჯელობის ნაბიჯები ჩამოწეროს — „ჯერ უნდა გამოვთვალო X, შემდეგ Y, ამიტომ პასუხია Z“ — ეს ნაბიჯები ხდება იმ კონტექსტის ნაწილი, რომელსაც მოდელი ითვალისწინებს, და საბოლოო პასუხი მნიშვნელოვნად უფრო ზუსტი გამოდის.
2022 წლის საბაზისო ნაშრომმა, „Chain-of-Thought Prompting Elicits Reasoning in Large Language Models“-მა, აჩვენა, რომ პრომფტში მხოლოდ რამდენიმე ამოხსნილი მაგალითის დამატება, სადაც მსჯელობის ნაბიჯებია ჩამოწერილი, საკმარისი აღმოჩნდა იმისთვის, რომ დიდ მოდელებს დაწყებითი კლასის მათემატიკური და მრავალსაფეხურიანი ლოგიკური ამოცანების ამოხსნა შეძლებოდათ, რომლებსაც ადრე ვერ ართმევდნენ თავს. უფრო მარტივ ვარიანტს, ე.წ. ნულოვანი მაგალითის (zero-shot) ეტაპობრივ მსჯელობას, არც მაგალითები სჭირდება — საკმარისი იყო კითხვისთვის ფრაზის „მოდი, ეტაპობრივად ვიფიქროთ“ დამატება, რომ სიზუსტე შესამჩნევად გაზრდილიყო ბევრ ტესტში. ეს ეფექტი ძირითადად მსხვილ მოდელებში ვლინდება; პატარა მოდელებში ხშირად სარგებელს არ იძლევა და შედეგი შეიძლება უარესიც კი გახდეს.
საიდან „პრომფტინგის ხრიკიდან“ ჩაშენებულ უნარამდე
ეტაპობრივი მსჯელობა თავდაპირველად რაღაც იყო, რასაც მომხმარებელი პრომფტში წერდა. დღეს ეს გახდა რაღაც, რასაც მსჯელობის მოდელები ავტომატურად აკეთებენ, თხოვნის გარეშეც. OpenAI-ის o1, რომელიც 2024 წელს გამოვიდა, იყო პირველი ფართოდ გავრცელებული მოდელი, სპეციალურად გაწვრთნილი, რომ პასუხის ჩვენებამდე შექმნას გაფართოებული შიდა მსჯელობის ჯაჭვი — ხშირად წოდებული როგორც „მსჯელობის ტოკენები“. სწორი საბოლოო პასუხის დაჯილდოების ნაცვლად, მისი წვრთნა ასევე აჯილდოებს სწორ შუალედურ ნაბიჯებს, გამაძლიერებელი სწავლების გამოყენებით, რათა თავად მსჯელობა უფრო საიმედო გახდეს. Google-ის Gemini-მ და Anthropic-ის Claude-მ მას შემდეგ საკუთარი გაფართოებული მსჯელობის რეჟიმები გამოუშვეს, იმავე იდეაზე დაფუძნებული.
ეს მჭიდროდ უკავშირდება ტესტირების დროის გამოთვლას: მოდელს რთულ კითხვაზე პასუხის გაცემამდე მეტი გამოთვლის — მეტი მსჯელობის ნაბიჯის — დახარჯვის უფლებას აძლევს, ნაცვლად უბრალოდ მოდელის გადიდებისა. მსჯელობის უფრო გრძელი ჯაჭვი, ფაქტობრივად, სიჩქარესა და ღირებულებას სიზუსტეზე ცვლის, რის გამოც მსჯელობის მოდელების პასუხები ჩვეულებრივ უფრო ძვირი ჯდება და უფრო ნელა მოდის — ყოველი მსჯელობის ტოკენი გენერირდება და ანგარიშდება ისევე, როგორც ნებისმიერი სხვა გამომავალი ტოკენი.
რატომ აქვს მნიშვნელობა — და სად ვარდება
პრაქტიკული სარგებელი რეალურია: მოდელები, რომლებიც ეტაპობრივად მსჯელობენ, საგრძნობლად უკეთესად უმკლავდებიან მათემატიკურ ოლიმპიადებს, პროგრამირების ამოცანებსა და მრავალსაფეხურიან ლოგიკას, ვიდრე იგივე მოდელი, რომელსაც პირდაპირი პასუხი ეთხოვება. ნაბიჯების დანახვის შესაძლებლობა ასევე ამარტივებს პასუხის გადამოწმებას ადამიანისთვის — თუ მსჯელობის ჯაჭვში აშკარა შეცდომაა, მკითხველს შეუძლია ის შენიშნოს, სანამ დასკვნას ენდობა.
მაგრამ ხილული მსჯელობა ყოველთვის არ არის იმის ზუსტი ჩანაწერი, რაც მოდელმა შიგნით სინამდვილეში გააკეთა. ინტერპრეტირებადობის კვლევებმა აღმოაჩინეს შემთხვევები, როცა დაწერილი ნაბიჯები დამაჯერებლად გამოიყურება, მაგრამ სრულად არ ემთხვევა იმ გამოთვლას, რომელიც საბოლოო პასუხის მიღმა დგას — მოდელს, ფაქტობრივად, შეუძლია შემდგომში შექმნას დამაჯერებელი, თუმცა მოგონილი ახსნა, ნაცვლად საკუთარი პროცესის ნამდვილი კვალისა. ეს ეტაპობრივ მსჯელობას სიზუსტის გასაუმჯობესებლად ძალიან სასარგებლო ინსტრუმენტად და მოდელის მსჯელობაში მიახლოებითი ჩახედვის საშუალებად აქცევს, მაგრამ თავისთავად არ არის გარანტია, რომ პასუხი სწორია ან ახსნა გულწრფელია.
მათთვის, ვინც AI ასისტენტს იყენებს, პრაქტიკული დასკვნა მარტივია: რთული, მრავალსაფეხურიანი კითხვისთვის, გაფართოებული მსჯელობისთვის შექმნილი მოდელის არჩევა ან მოდელისთვის პირდაპირ თხოვნა, რომ ეტაპობრივად იმუშაოს — ტექნიკის თავად გამოცდაც კი შეგიძლიათ უბრალო პრომფტის დახმარებით — ერთ-ერთი ყველაზე საიმედო გზაა უკეთესი პასუხის მისაღებად. უბრალოდ, ნაჩვენები მსჯელობა გადაამოწმეთ და არ მიიღოთ ის მტკიცებულებად.