Stanford Üniversitesi araştırmacıları, yapay zeka sistemlerinin metin analiz yeteneklerini geliştirmek için insan uzmanların çalışma yöntemlerinden ilham alan yenilikçi bir yaklaşım geliştirdi. DiZiNER (Anlaşmazlık Rehberli Talimat İyileştirme) adı verilen bu sistem, farklı büyük dil modellerinin aynı metin üzerindeki görüş ayrılıklarını analiz ederek öğrenme sürecini optimize ediyor.
Sistem, tıpkı insan uzmanların pilot açıklama çalışmalarında yaptığı gibi çalışıyor. Birden fazla farklı yapay zeka modeli aynı metinleri analiz ediyor ve bir süpervizör model, bu modeller arasındaki anlaşmazlıkları inceleyerek görev talimatlarını sürekli iyileştiriyor. Bu yaklaşım, özellikle metinlerdeki kişi, yer ve kurum adları gibi önemli bilgileri tanımlama konusunda büyük başarı sağlıyor.
Araştırma ekibi, sistemlerini 18 farklı standart test kıyaslamasında denedi ve sıfır-atış öğrenme kategorisinde en iyi sonuçları elde etti. Bu başarı, yapay zeka modellerinin önceden eğitilmemiş görevlerde bile yüksek performans gösterebileceğini kanıtlıyor.
DiZiNER'in en önemli yeniliği, yapay zeka modellerinin sistematik hatalarını azaltması. Geleneksel yaklaşımlarda modeller benzer türde hatalar yaparken, bu yeni sistem anlaşmazlıkları çözüm fırsatına dönüştürüyor ve talimatları sürekli iyileştirerek daha doğru sonuçlar elde ediyor.