Ερευνητές της Apple έχουν επισημάνει σημαντικά λάθη στη σκέψη της γενετικής τεχνητής νοημοσύνης (AI), ειδικά στα μαθηματικά.
Στην πραγματικότητα, φαίνεται ότι η τεχνητή νοημοσύνη (AI) δεν είναι τόσο «έξυπνη» όσο θεωρείται, καθώς δυσκολεύεται να επιτύχει εντυπωσιακά αποτελέσματα στην επίλυση βασικών μαθηματικών προβλημάτων του δημοτικού.
Διαβάστε επίσης: Το Apple App Store δεν μπορεί να εγκαταστήσει νέες εφαρμογές
Μια πρόσφατη δημοσιευμένη μελέτη από έξι ερευνητές της Apple, με τίτλο “GSM-Symbolic: Κατανοώντας τους Περιορισμούς του Μαθηματικού Συλλογισμού σε Μεγάλα Γλωσσικά Μοντέλα“, αναδεικνύει ότι ο μαθηματικός συλλογισμός των προηγμένων μεγάλων γλωσσικών μοντέλων (LLMs) μπορεί να είναι ανακριβής και ευάλωτος.
Έργο τέχνης του ρομπότ Ai-Da πωλήθηκε για $ 1,3 εκατ.
Πώς να Αναγνωρίσετε AI Video Call Scams;
Τα μελλοντικά VR headsets θα διαθέτουν ολογραφικούς φακούς
Οι ερευνητές ξεκίνησαν με το GSM8K, ένα σύνολο δεδομένων που περιλαμβάνει υψηλής ποιότητας γλωσσικά προβλήματα λέξεων σχετικά με τα μαθηματικά του δημοτικού, καθώς και με ένα τυποποιημένο σύνολο 8.000 μαθηματικών προβλημάτων επιπέδου δημοτικού, το οποίο αποτελεί κοινό σημείο αναφοράς για τη δοκιμή LLMs.
Στη συνέχεια, προχώρησαν σε ελαφρές αλλαγές στη διατύπωση των προβλημάτων χωρίς να τροποποιήσουν τη λογική τους, δημιουργώντας έτσι το GSM-Symbolic test. Το πρώτο σετ δοκιμών κατέγραψε πτώση απόδοσης που κυμαίνονταν από 0,3% έως 9,2%. Στο δεύτερο σετ, το οποίο περιλάμβανε δηλώσεις σε ορισμένα προβλήματα που δεν σχετίζονταν με την απάντηση, παρατηρήθηκαν «καταστροφικές πτώσεις απόδοσης», που κυ ranged από περίπου 17,5% έως ένα εντυπωσιακό 65,7%.
Δείτε περισσότερα: Android 15: Διαθέτει λειτουργία ασφαλείας κατά των κλοπών
Για μερικούς ανθρώπους, αυτό δεν είναι καθόλου περίεργο. Στην πραγματικότητα, η τεχνητή νοημοσύνη δεν επιλύει σωστά μαθηματικά προβλήματα, αλλά χρησιμοποιεί απλή «αντίστοιχη μοτίβων» για να μετατρέπει δηλώσεις σε πράξεις χωρίς να κατανοεί πραγματικά την έννοια τους.
Φαίνεται ότι η τεχνητή νοημοσύνη αποτυγχάνει συχνά σε απλά μαθηματικά προβλήματα επειδή οι λέξεις είναι συχνά πολύ συγκεχυμένες ή δεν ακολουθούν το ακριβές πρότυπο. Φαίνεται ότι η τεχνητή νοημοσύνη προσφέρει μόνο την ψευδαίσθηση του «συλλογισμού», βασιζόμενη απλώς στη συγκέντρωση δεδομένων και στην επεξεργασία τους.
Διαβάστε ακόμη: Η Adobe λανσάρει AI εργαλεία για επεξεργασία βίντεο
Αλλά τι σημαίνει αυτό για τη συνολική εικόνα; Πρόσφατα, έχουμε εστιάσει όλοι πολύ στην τεχνητή νοημοσύνη, και φαίνεται ότι κάποιοι περιμένουν θαύματα από αυτή, ωστόσο, έχει σημαντικούς περιορισμούς, και ίσως να μην μπορούν να μετριαστούν.
Πηγή: phonearena