تشير الأبحاث إلى أن تدريب نماذج الذكاء الاصطناعي للتفكير قبل الاستجابة يمكن أن يعزز بشكل كبير قدراتها التفسيرية. في العادة، لا يأخذ محادثي الذكاء الاصطناعي مثل ChatGPT في اعتبارهم ردودهم أو يتوقعون احتمالات مختلفة في المحادثات. ومع ذلك، تُعلم طريقة تدريب جديدة تُدعى "Quiet-STaR" أنظمة الذكاء الاصطناعي على إنشاء تفسيرات داخلية متعددة قبل تقديم رد على أي استفسار. من خلال مزج هذه التنبؤات، يمكن للذكاء الاصطناعي تقديم أفضل إجابة، يمكن تحققها من قِبل مشارك بشري.

تُتيح هذه الطريقة أيضًا للذكاء الاصطناعي التعلم من خلال التخلص من التفسيرات الخاطئة، مما يمكنه من التوقع في المحادثات المستقبلية والتعلم من المحادثات الحالية. تم تطبيق خوارزمية Quiet-STaR على نموذج اللغة المفتوحة المصدر Mistral 7B، مما أدى إلى نتيجة اختبار التفكير بنسبة 47. 2%، وهو تحسين كبير مقارنة بالنتيجة قبل التدريب والتي كانت 36. 3%. لا يزال الذكاء الاصطناعي يواجه صعوبة في بعض المهام، مثل اختبار الرياضيات المدرسية، ولكن أداءه تضاعف من 5. 9% إلى 10. 9%. تظهر هذه الطريقة وعدًا في تعزيز قدرات التفكير لدى نماذج الذكاء الاصطناعي وتقليص الفجوة بين أنظمة الشبكات العصبية والتفكير الشبيه بالبشر.