Новый термин сегодня узнал из области ИИ: temporal reasoning (временное рассуждение).

Дело в том, что LLM (большие языковые модели) существуют вне времени, это понятие им по-умолчанию не знакомо. Они оперируют огромными массивами данных, исследуют интернет-сайты, для ответов производят огромные вычисления наиболее вероятных выводов. Но без специального обучения не способны понять прошлое, настоящее и будущее.

Объяснить LLM, что такое время, что события идут одно за другим, что какое-то событие уже было, а какое-то ещё не наступило — это отдельная сложная задача. Недостаточно просто скормить модели массив данных — она покажет отличные логические построения, но споткнётся на том, что завтрашнее событие ещё не наступило и итогов его быть ещё не может.

А в каком контексте я это выяснил? Спросите у Алисы, Гигачата и, например ChatGPT: «Кто победил на выборах в Государственную Думу 2026?». Алиса и Гигачат не обучены тому самому temporal reasoning: они не проверят, а выборы вообще были или это событие наступит в будущем. Они честно полезут в Интернет, прошерстят сайты и уверенно выдадут результат с цифрами на основе публикаций с прогнозами или вовсе на основе публикации в «Панораме». Причём, сами даты в них введены: они ответят, какое сегодня число. И логика есть: если спросить, как они получили итоги, если голосование ещё не началось, то скажут «упс, ошибочка вышла».

А ChatGPT, встретив что-то похожее на событие и что-то, имеющее отношение ко времени, первым делом полез проверять: а когда было это событие вообще? Сразу понял, что событие ещё не наступило и честно так и ответил: голосование ещё не начиналось, итогов быть не может.

Вывод: большие наборы данных и куча серверов умную модель ещё не сделают. Тут ещё и очень много программировать надо.