Ces jetons permettent d’organiser des boucles de modulation entre différentes demandes, indices et conjectures, facilitant ainsi un raisonnement parallèle plus efficace dans les modèles d’intelligence artificielle (IA).
Cette approche est cruciale pour reproduire des états mentaux complexes, comme la perception et l’imagination, souvent absents dans les systèmes d’IA concurrentiels.
Adeel démontre à travers ses recherches que l’architecture CO4 non seulement accélère le processus d’apprentissage, mais également réduit les exigences en termes de calcul tout en maintenant la complexité des chaînes argumentatives.
Grâce à des évaluations dans des domaines tels que l’apprentissage, la vision par ordinateur et le traitement du langage, les résultats obtenus montrent un potentiel significatif pour améliorer les performances des IA, les rendant plus comparables à celles des êtres humains.
En s’inspirant des transitions d’états mentaux observables dans le cortex, cette étude pave la voie vers des modèles d’intelligence artificielle plus contextuels et efficaces.
Source: IA Tech news
