Päättelyyn kykenevät tekoälymallit: miten ne toimivat ja miksi ne ovat tärkeitä

Syksyllä 2024 OpenAI esitteli o1-mallin, josta tuli ilmiö: AIME-matematiikkakokeessa se sai 74 % oikein yhden yrityksen tilassa ja jopa 93 % konsensusvalinnalla, kun taas GPT-4o ratkaisi vain 12 % tehtävistä. GPQA Diamond -vertailutestissä o1 saavutti 78 %, mikä ylitti keskivertoasiantuntijan tason. Nämä tulokset osoittavat suurten päättelymallien (Large Reasoning Models, LRM) kyvyt, jotka jäljittelevät Kahnemanin kuvaamaa hidasta "järjestelmä 2" -ajattelua. Muita LRM-luokkaan kuuluvia malleja ovat Anthropicin (Claude Fable 5, Mythos 5, Opus 4.8), Googlen Gemini 3.1 Pro, DeepSeek R1 sekä GLM-5.2. Toisin kuin klassiset autoregressiiviset suuret kielimallit (Large Language Models, LLM), jotka toimivat nopean "järjestelmä 1" -ajattelun tavoin, päättelymallit hyödyntävät ajatusketjuja, päättelyaikaista lisälaskentaa (test-time compute) ja vahvistusoppimista. Ne tuottavat käyttäjälle näkymättömiä päättelytokeneita, mikä pidentää pyyntöjen käsittelyaikaa jopa minuuttiin tai enemmän. Tutkimukset ovat osoittaneet, että "ajattele pidempään" -strategia on tehokkaampi kuin pelkkä mallin koon kasvattaminen: malli voi yltää samaan suoritustasoon kuin 14 kertaa suurempi LLM, jos sille annetaan riittävästi aikaa ajatella. Kiinalainen DeepSeek-R1 integroi päättelyn suoraan itse malliin ja luopui erillisestä "kriitikko"-komponentista.