Российские математики разработали новый способ взаимодействия ИИ без слов

Специалисты из российского стартапа Mostik разработали инновационный подход, который позволяет искусственным интеллектам обмениваться информацией без использования текстовых сообщений. Вместо этого, новая система основывается на математических значениях, встроенных в веса моделей, что позволяет передавать знания от более крупных ИИ к меньшим, значительно повышая их интеллектуальные способности.

В ходе тестирования новая методика была применена в рамках соревнования ARC-AGI-3, направленного на оценку способности ИИ к обобщению правил и решению абстрактных задач. Результаты показали, что решение Mostik стало лидером в текущем рейтинге.

Для демонстрации своего подхода команда объединила две китайские модели с открытыми весами: GLM-5.2, обладающую 753 миллиардами параметров, и Qwen-3.5, работающую на мобильных устройствах с 4 миллиардами параметров. Гибридная модель оказалась в 20 раз дешевле флагманской GLM и продемонстрировала результаты, находящиеся посередине между производительностями обоих исходных ИИ.

Саша Малышева, руководитель стартапа, отмечает, что использование нескольких моделей может стать более эффективным направлением в развитии ИИ, чем простое увеличение их размеров. Владимир Арустамян, технический директор компании Lovable, добавляет, что соединение универсальных моделей со специализированными системами может способствовать созданию большего количества эффективных моделей в различных областях.

Карл Туйлс, бывший специалист Google DeepMind, подчеркивает, что метод Mostik позволяет достигать качества крупных ИИ без необходимости их полного задействования, что улучшает результаты при использовании меньших моделей. Главный научный сотрудник Mostik, профессор Станислав Смирнов, указывает на сложности в нахождении общего математического языка между моделями, однако дальнейшие исследования могут раскрыть новые аспекты функционирования ИИ и их сходства с человеческим мышлением. Если технология станет широко распространенной, она может повысить конкуренцию между моделями с открытыми весами и закрытыми проприетарными системами, представленными ведущими лабораториями.