Ce înseamnă Model de raționament
Un model de raționament (reasoning model) este un model de limbaj antrenat să lucreze la o problemă înainte de a răspunde: generează mai întâi un raționament intern, uneori de mii de tokeni, în care descompune problema, încearcă variante, își verifică pașii și își corectează greșelile. Abia apoi scrie răspunsul final.
Primul model larg cunoscut de acest tip a fost o1, lansat de OpenAI în septembrie 2024. Au urmat DeepSeek-R1 (ianuarie 2025), cu ponderi publice, și variante cu „gândire extinsă” la Claude, Gemini și alte familii de modele. Multe aplicații afișează un rezumat al acestui raționament sau un mesaj de tipul „se gândește…”.
Aceste modele sunt vizibil mai bune la matematică, programare, științe și planificare în mai mulți pași. Sunt însă mai lente și mai scumpe la fiecare răspuns, iar pentru întrebările simple avantajul lor este mic.
Cum funcționează
Pornind de la un LLM obișnuit, modelul este antrenat suplimentar prin învățare prin întărire pe probleme cu răspuns verificabil, precum exerciții de matematică sau teste de cod. Este recompensat când ajunge la răspunsul corect, așa că învață singur strategii utile: să verifice, să încerce altă cale când se blochează, să împartă problema în bucăți.
La folosire, modelul consumă tokeni suplimentari pentru „gândire”. Cu cât i se permite să gândească mai mult, cu atât rezultatele tind să fie mai bune la problemele grele. Fenomenul se numește scalarea calculului la inferență (test-time compute).
Pe înțelesul tuturor
Un model obișnuit seamănă cu un elev care răspunde imediat ce aude întrebarea. Un model de raționament este elevul care cere un minut, face o ciornă, verifică rezultatul și abia apoi răspunde: mai încet, dar mai sigur la problemele grele.
Exemplu
Un programator are în aplicație o eroare care apare doar uneori. Un model obișnuit propune rapid o soluție plauzibilă, dar greșită. Un model de raționament analizează codul mai mult timp, ia pe rând cauzele posibile, le elimină pe cele care nu se potrivesc cu simptomele și ajunge la cauza reală.
De reținut
- Modelele de raționament „gândesc” înainte de a răspunde, generând un raționament intern.
- Sunt mai bune la probleme complexe, dar mai lente și mai scumpe.
- Pot greși în continuare; un raționament lung nu garantează un răspuns corect.
Nu confunda
- Model de raționament vs. chain of thought: chain of thought este o tehnică de prompt pe care o poți cere oricărui model; un model de raționament are acest comportament antrenat și îl aplică singur, de obicei mult mai pe larg.
- „Gândirea” modelului vs. gândirea umană: termenul este o metaforă pentru generarea de text intermediar; nu înseamnă că modelul are conștiință sau înțelegere umană.
Termeni înrudiți
- Chain of thought (lanț de raționament): Tehnica prin care un model AI scrie pașii intermediari ai raționamentului înainte de răspuns, ceea ce îl ajută la probleme complexe.
- Învățare prin întărire: Metoda prin care un agent AI învață prin încercare și eroare, primind recompense pentru acțiunile bune și penalizări pentru cele rele.
- LLM (model lingvistic mare): Model AI antrenat pe cantități uriașe de text, care înțelege și generează limbaj; stă în spatele ChatGPT, Claude sau Gemini.
- Legile scalării (scaling laws): Observația că modelele AI devin previzibil mai bune când cresc numărul de parametri, datele de antrenare și puterea de calcul.
- DeepSeek: Companie chineză de AI ale cărei modele cu ponderi deschise, mai ales DeepSeek-R1 din 2025, au surprins prin performanță și eficiență.
- Latență (în AI): Timpul care trece de la trimiterea unei cereri către un model AI până la primirea răspunsului.