स्वतंत्र अनुसंधान, प्रकाशित परिणाम

वर्तमान AI सिस्टम एक बार प्रशिक्षित किए जाते हैं, फ़्रीज़ कर दिए जाते हैं और तैनात कर दिए जाते हैं। वे बातचीत से नहीं सीखते, सत्रों के बीच ज्ञान नहीं रखते और अपने अनुभव पर आगे निर्माण नहीं करते। पेपर का तर्क है कि यह कंप्यूट की समस्या नहीं है; यह आर्किटेक्चर की समस्या है। कितना भी स्केलिंग किसी स्थिर मॉडल को विकसित होने की क्षमता नहीं दे सकता।

DKA एक मूलभूत रूप से अलग प्रतिमान प्रस्तावित करता है: बड़े पैमाने पर प्री-ट्रेनिंग के ज़रिए एक तैयार बुद्धिमत्ता जोड़ने के बजाय, आप उसे सेते हैं। सिस्टम एक छोटे भाषा कर्नेल (एक 3-7B पैरामीटर मॉडल जो भाषा समझता है पर दुनिया के बारे में कुछ नहीं जानता) से शुरू होता है और संरचित संवाद, अभ्यास, सत्यापन और स्थायी मेमोरी के माध्यम से क्षमताएँ अर्जित करता है। हर कौशल अगले कौशल का आधार बनता है, ठीक वैसे ही जैसे जैविक बुद्धिमत्ता जन्मजात क्षमता से सीखी हुई दक्षता की ओर विकसित होती है।

आर्किटेक्चर में पाँच परस्पर जुड़े सबसिस्टम हैं: आधारभूत बोध के लिए भाषा कर्नेल, सत्रों के बीच सीखा हुआ ज्ञान संग्रहीत करने वाला स्थायी मेमोरी सब्सट्रेट, कमियों की पहचान कर अभ्यास से सीखने वाला कौशल अर्जन इंजन, अर्जित कौशलों को वास्तविक तथ्यों (ग्राउंड ट्रुथ) पर परखने वाला सत्यापन फ़्रेमवर्क, और सिस्टम की अपनी ज्ञान-स्थिति की निगरानी कर सीखने की प्राथमिकताएँ तय करने वाला मेटाकॉग्निटिव कंट्रोलर।

पेपर में मेमोरी संरचनाओं, डेटा प्रवाह पैटर्न, स्यूडोकोड और हार्डवेयर आवश्यकताओं सहित ठोस कार्यान्वयन विनिर्देश शामिल हैं, और यह सामान्य हार्डवेयर तथा मौजूदा ओपन-सोर्स घटकों का उपयोग करके $100K से कम में प्राप्त किए जा सकने वाले चरणबद्ध प्रूफ़-ऑफ़-कॉन्सेप्ट की रूपरेखा देता है। DKA को जिन घटकों की आवश्यकता है, वे सभी आज उत्पादन-स्तरीय तकनीक के रूप में मौजूद हैं। DKA इसलिए नवीन नहीं है कि इसे नए आविष्कारों की आवश्यकता है, बल्कि इसलिए कि यह मौजूदा सिद्ध घटकों को एक ऐसे आर्किटेक्चर में जोड़ता है जिसे अब तक किसी ने नहीं जोड़ा।