Ученые оценили способность ИИ к причинно-следственному мышлению и получили неожиданные результаты

Главное:

• Ученые исследовали способности искусственного интеллекта в области причинно-следственного мышления.
• Результаты показали, что модели LLM не всегда могут соперничать с человеческим восприятием.
• Исследование основывается на тестах, сравнивающих производительность AI и людей в визуальных задачах.

Исследование когнитивных способностей AI

Недавнее исследование, проводимое учеными из Института биологической кибернетики Макса Планка, Института AI в Хельмгольце и Университета Тюбингена, сосредоточилось на мульти-модальных моделях большого языка (LLM). Эти модели, такие как ChatGPT и другие, демонстрируют способности обрабатывать текст и визуальные данные. Однако вопрос о том, насколько они понимают и анализируют информацию как люди, остается открытым.

В рамках эксперимента ученые поставили AI перед серией задач, направленных на оценку их способности распознавать причинно-следственные связи и интуитивное понимание физики. Сравнение производительности моделей и людей может дать важные подсказки о границах сегодняшних технологий и о том, куда нам стоит двигаться дальше.

Итоги экспериментов и их значение

С помощью изображений и задач, вдохновленных психологическими исследованиями, исследователи оценили, насколько адекватно модели LLM могут анализировать устойчивость объектов, причинные связи и предпочтения. Результаты показали, что хотя некоторые модели демонстрируют хорошие результаты в простых визуальных задачах, они не способны точно воспроизводить сложные аспекты человеческого разумения. Например, оценки устойчивости башен из блоков оказались сложными для AI.

Эти данные важны для работы над улучшением моделей AI. Мы видим, что, несмотря на впечатляющие достижения в обработке базовых данных, реальные походы человеческого разума остаются недоступными для современных AI. Это подчеркивает необходимость развития новых подходов в обучении таких моделей.

Перспективы и рекомендации для будущих исследований

Продолжающиеся исследования показали, что возможность дообучения AI на специализированных задачах дает некоторые улучшения. Однако ни одно из достижений не перенеслось на более обобщенные задачи, такие как те, которые человек решает с легкостью. Это важно, так как понимание индуктивных предубеждений AI указывает на то, что для достижения более глубокого понимания, возможно, необходимо внедрение базовых модулей, таких как физические движки.

Таким образом, исчерпывающее понимание когнитивных функций AI и их дальнейшее развитие требуют многообразных и продолжительных исследований. Важно, чтобы ученые и разработчики работали вместе, собирая данные и разрабатывая подходы, которые позволят искусственному интеллекту добраться до уровня человеческого восприятия.