Większość dużych modeli językowych utknęła w rutynie i jest znacznie bardziej przewidywalna niż można byłoby oczekiwać. Jeśli poprosisz ChatGPT, Claude'a lub Gemini o losową liczbę od 1 do 10, prawie zawsze otrzymasz 7. Problem w tym, że ta przewidywalność działa na korzyść dla zadań technicznych jak kodowanie czy research, ale staje się bezwzględną wadą podczas burzy mózgów czy planowania wakacji.
Australijski startup Springboards zaproponował rozwiązanie. Stworzył model LLM o nazwie Flint, który został specjalnie wytrenowany, aby generować znacznie szerszą paletę odpowiedzi na pytania otwarte w porównaniu do mainstreamowych LLM-ów. Zamiast podawać oczywiste sugestie - na przykład Paryż czy Rzym na pytanie gdzie jechać do Europy - model powinien proponować bardziej zróżnicowane i nieoczekiwane opcje, które mogą być bardziej inspirujące dla użytkownika.
Ta zmiana może być istotna dla całego segmentu zastosowań kreatywnych. Chociaż grupowe myślenie LLM-ów nie stanowi problemu przy zadaniach, które mają jasne i obiektywne odpowiedzi, jego przezwyciężenie otwiera nowe możliwości dla zastosowań wymagających oryginalności i różnorodności pomysłów. Flint pokazuje, że z odpowiednim trenowaniem można zmienić sposób, w jaki modele AI podchodzą do generowania treści.