МОСКВА, 1 апреля. /ТАСС/. Российские ученые обнаружили, что знаки препинания и служебные части речи - элементы языка, которые часто воспринимаются пользователями как малозначимые, - играют ключевую роль в обработке информации языковыми моделями. Их удаление из текста снижает точность ответов ИИ на запросы до 20%, сообщила пресс-служба Института искусственного интеллекта AIRI.

       "Изучение принципов действия языковых моделей - одна из главных задач нашей научной группы. Мы работаем над этим уже два года. Глубокое понимание того, как модели принимают решения, поможет сделать их не только эффективнее, но и безопаснее. Сейчас мы стремимся улучшить управляемость рассуждений языковых моделей, чтобы упростить их обучение и повысить качество", - пояснил сотрудник Института AIRI Антон Разжигаев, чьи слова приводит пресс-служба института.

       Как отмечают ученые, современные большие языковые модели разбивают тексты на так называемые токены - небольшие блоки, среди которых системе необходимо выделить наиболее важные для понимания. Пока у математиков нет четкого понимания, какие типы токенов наиболее важны для корректной работы ИИ, какие данные сохраняются в связке с этими блоками.

       Для получения подобных сведений российские исследователи разработали LLM-микроскоп - набор инструментов, позволяющий визуализировать и анализировать внутреннее поведение различных форм больших языковых моделей, а также "видеть" промежуточные результаты работы системы. Исходный код и примеры работы данного LLM-микроскопа были опубликованы в открытом виде в глобальной сети.

       Используя данный инструмент, Разжигаев и его коллеги впервые изучили, как на работу ИИ влияют мало значащие для человека элементы запроса на английском языке, в том числе знаки препинания, артикли и разные служебные части речи. Эти расчеты показали, что больше всего информации о контексте содержится именно в данных элементах текста, а не в существительных, что побудило ученых изучить, как на качество работы ИИ повлияет удаление всех знаков препинания и служебных частей речи.

       Проведенные опыты показали, что подобная процедура значительным образом (до 20%) снизила точность ответов большого числа открытых и закрытых систем ИИ на два разных набора тестовых заданий для больших языковых моделей. Это происходило даже в том случае, когда ученые просили саму систему ИИ удалить наименее значимые токены из текста, что подчеркивает неожиданно важную роль знаков препинания и служебных частей речи в работе ИИ, подытожили исследователи.