Sapient Intelligence har utvecklat en ny AI-arkitektur, kallad Hierarchical Reasoning Mannequin (HRM) som åstadkommer upp until 100 gånger snabbare resonemang än traditionella stora språkmodeller (LLM).
HRM efterliknar den mänskliga hjärnans sätt att resonera och planera vilket gör att den presterar på samma nivå och ibland bättre än större språkmodeller på komplexa resonemangsuppgifter, trots att den har betydligt färre parametrar och tränats på mycket mindre knowledge.
Inspiration från den mänskliga hjärnan
HRM bygger på tre grundläggande principer som hämtats från hur vår hjärna fungerar. Först handlar det om hierarkisk bearbetning – summary som hjärnan processar info i olika lager där högre nivåer hanterar abstrakta koncept medan lägre nivåer tar hand om detaljerade beräkningar.
Den andra principen är temporal separation, där olika system arbetar på olika tidsskalor. I hjärnan syns detta genom långsamma thetavågor (4-8 Hz) som hanterar övergripande planering, medan snabba gammavågor (30-100 Hz) tar hand om detaljerade beräkningar
Design och funktionalitet
HRM-modellen använder en hierarkisk struktur med två sammankopplade moduler:
- L-modul (Låg nivå) – fokuserar på snabba och detaljerade beräkningar.
- H-modul (Hög nivå) – ansvarar för långsiktig planering och mer djupgående resonemang.
Öppen källkod och framtiden
Det mest intressanta med HRM är att Sapient Intelligence har gjort modellen tillgänglig som öppen källkod på GitHub. Detta betyder att forskare och utvecklare världen över kan experimentera med arkitekturen och bidra till dess utveckling
