TLDR
Menggabungkan hasil dari lapisan awal dapat meningkatkan akurasi dan mengurangi halusinasi dalam jawaban AI. Metode baru ini tidak memerlukan perubahan besar dalam struktur jaringan saraf buatan yang ada. Inovasi dalam pendekatan AI dapat membantu mengatasi batasan yang ada dalam model generatif saat ini. Model AI besar atau Large Language Models (LLM) saat ini bekerja dengan cara yang bisa diibaratkan seperti sebuah barisan orang yang saling meneruskan jawaban secara berurutan. Setiap lapisan dalam model ini hanya mengandalkan jawaban dari lapisan sebelumnya tanpa melihat lebih dalam ke proses yang sesungguhnya terjadi. Masalahnya, ketika jawaban akhir diberikan oleh lapisan terakhir, kita tidak tahu seberapa akurat jawaban tersebut karena bisa saja melenceng dari jawaban yang lebih tepat dari lapisan sebelumnya.Sebagai analogi, bayangkan ada sepuluh orang yang diminta menyelesaikan masalah matematika dengan saling meneruskan jawaban mereka. Jawaban yang kamu dengar hanya dari orang kesepuluh dan kamu tidak tahu apakah orang kesepuluh benar-benar menggunakan jawaban dari orang sebelumnya atau malah membuat sendiri tanpa melihat hasil orang lain. Ini membuat final jawaban bisa salah walaupun jawaban yang benar sudah dihasilkan oleh orang-orang sebelum orang kesepuluh.Peneliti AI melihat masalah ini dan mengusulkan metode yang disebut SLED (Self Logits Evolution Decoding) dimana saat jawaban akhir sudah sampai pada lapisan terakhir, sistem akan meninjau kembali dan menggabungkan hasil dari semua lapisan sebelumnya. Dengan cara ini, AI bisa menghasilkan jawaban akhir yang lebih tepat dan mengurangi kesalahan seperti halusinasi atau jawaban yang dibuat-buat.Keuntungan dari pendekatan ini adalah tidak perlu mengubah struktur dasar dari model AI atau melakukan perubahan kode yang besar, cukup menambahkan mekanisme penilaian akhir terhadap hasil dari setiap lapisan. Hal ini membuat pendekatan ini mudah diterapkan tanpa harus membangun ulang AI dari nol.Metode ini membuka jalan baru dalam pengembangan AI yang lebih akurat dan dapat diandalkan. Dengan menggabungkan kekuatan keluaran dari semua lapisan, AI diharapkan bisa memberikan jawaban yang lebih stabil dan sesuai fakta. Ini adalah salah satu langkah inovasi penting yang menunjukkan bahwa kita harus terus berpikir kreatif atau 'berpikir di luar kotak' dalam dunia kecerdasan buatan.
