A mai mesterséges intelligencia modellek olyanok, mint a papagájok – előre betanított válaszokat utánoznak, de valójában azok jelentését nem értik meg. Bár a GPT architektúrák lenyűgöző eredményeket értek el az elmúlt években, réteges, statikus struktúrájuk miatt valódi gondolkodásra képtelenek. Ezen modellek csoportját hívjuk reaktív modelleknek, mivel csak kérdésekre reagálnak, azonban nem képesek saját gondolatokat megfogalmazni.

Ezzel szemben egy aktív rendszer, akárcsak az emberi agy, képes önálló belső folyamatokra és elmélkedésre explicit bemenet nélkül is. Képes a végtelenségig tanulni, tapasztalatokat gyűjteni, illetve olyan összefüggéseket felismerni, amelyek által számára még ismeretlen problémákat oldhat meg.

Ezen emberi készségeket méri Francois Chollet ARC inteligencia tesztje, ahol AI-modelleknek olyan problémákat kell megoldani, amelyeket korábban nem láttak. Ezek közül néhány egyszerű példa a gravitáció felismerése, térbeli összefüggések meglátása vagy minták tükrözése.

Dániel az elmúlt hónapokban egy ilyen aktív modell megalkotásán dolgozott, amelynek középpontjában egy olyan rendszer áll, ami folyamatosan „gondolkodik"” és saját elképzeléseit egy Monte Carlo algoritmus segítségével újra és újra érvényesíti. Bár a bemenetek és kimenetek aszinkron viselkedése miatt a modell még nem áll készen általános felhasználásra, a pályázó a kutatás során figyelemre méltó eredményeket ért el.

A memóriarendszernek köszönhetően a modell idővel elkezdte megfigyelni a világot, és egyfajta belső „világmodellt” alakított ki. A modell képessé vált új összefüggések felismerésére a megfigyelt koncepciók között egy, a pályázó által „álmodásnak” nevezett folyamat során, ahol a tapasztalatai egy tömörített, látens reprezentációs térben rendeződnek újra, lehetővé téve új következtetések levonását. Ezen folyamat eredményeként a modell kiemelkedő eredményt ért el a 2024-es ARC evaluációs feladatsoron, demonstrálva az aktív gondolkodású rendszerekben rejlő potenciált.