
Neuroniniai tinklai netampa protingesni, tačiau jie labai greitai išmoksta ištaisyti savo klaidas. To pavyzdys – sėkminga neuroninio tinklo GPT-4 programa „Reflexion”. Pavadinimas puikiai atspindi esmę – sistemos kūrėjai privertė neuroninį tinklą kritiškai įvertinti savo darbą ir pačiam sukurti rekomendacijas, kaip ištaisyti klaidas.
Sistema sukuria neuroninio tinklo savikontrolės testus, tačiau tai daro tūkstančius kartų greičiau ir efektyviau nei žmogus. Jis nėra universalus, kiekvienai užduočiai reikalingas savas darbo ir patikrinimų ciklas. Tačiau rezultatas to vertas: pavyzdžiui, „HumanEval” teste „Python” programavimo uždaviniams spręsti GPT-4 parodė 67% atliktų užduočių. O pritaikius „Reflexion”, rezultatas jau 88%.

Jei neuroninis tinklas gali atlikti užduotį, jis taip pat gali įvertinti jos atlikimo kokybę ir pateikti konstruktyvią kritiką. Atliekant Alfworld daugiapakopio uždavinio sprendimo testą, naudojant naujovę, GPT-4 našumas padidėjo nuo 73% iki 97%. Atliekant „HotPotQA” testą „Vikipedijos” duomenų analizei, našumas išaugo nuo 34% iki 53%. Vidutinis rezultatas rodo, kad savikontrolės neuroninio tinklo našumas padidėjo 30%.
Deja, GPT-4 vis dar daro esminių klaidų, nes ši sistema iš esmės nesugeba suvokti savo klaidos. Priedas „Refleksija” sumažina klaidingų išvadų skaičių, tačiau kadangi ir atlikėjas, ir tikrintojas yra ta pati sistema, ši architektūra negali atpažinti savo klaidų, nebent jos jai būtų nurodytos iš išorės. Dėl to ši priemonė yra patogi ir naudinga tik tuo atveju, jei ją prižiūri tinkamų žinių turintys asmenys.
