Οι Αναλογικές Ικανότητες Λογικής της Τεχνητής Νοημοσύνης: Προκαλώντας την Ανθρώπινη Νοημοσύνη;

Η αναλογική λογική, η μοναδική ικανότητα που κατέχουν οι άνθρωποι για να λύνουν άγνωστα προβλήματα με την आकरίωση παραλλαγών με γνωστά προβλήματα, θεωρείται για πολύ καιρό ως μια διακριτή ανθρώπινη γνωστική λειτουργία. Ωστόσο, μια πρωτοποριακή μελέτη που διεξήχθη από ψυχολόγους του UCLA παρουσιάζει πειστικά ευρήματα που μπορεί να μας οδηγήσουν να ξανασκεφτούμε αυτό.

GPT-3: Ισάξιο με την Ανθρώπινη Νοημοσύνη;

Η έρευνα του UCLA βρήκε ότι το GPT-3, ένα μοντέλο γλώσσας της Τεχνητής Νοημοσύνης που αναπτύχθηκε από την OpenAI, παρουσιάζει ικανότητες λογικής σχεδόν ισάξιες με αυτές των φοιτητών κολεγίου, ιδιαίτερα όταν τους ζητείται να λύσουν προβλήματα παρόμοια με αυτά που εμφανίζονται σε τεστ νοημοσύνης και εξετάσεις όπως το SAT. Αυτή η αποκάλυψη, που δημοσιεύθηκε στο περιοδικό Nature Human Behaviour, θέτει ένα ενδιαφέρον ερώτημα: Το GPT-3 μιμείται την ανθρώπινη λογική λόγω της εκτενής εκπαίδευσης γλώσσας ή επικοινωνεί με μια εντελώς νέα γνωστική διαδικασία;

Οι ακριβείς λειτουργίες του GPT-3 παραμένουν κρυφές από την OpenAI, αφήνοντας τους ερευνητές του UCLA να αναρωτιούνται για τον μηχανισμό πίσω από τις αναλογικές ικανότητες λογικής.尽管 το GPT-3 έχει εντυπωσιαίες επιδόσεις σε ορισμένες εργασίες λογικής, το εργαλείο δεν είναι χωρίς ελαττώματα. Ο Taylor Webb, ο κύριος συγγραφέας της μελέτης και μεταδιδάκτορας ερευνητής στο UCLA, σημείωσε: “Ενώ τα ευρήματά μας είναι εντυπωσιακά, είναι απαραίτητο να τονίσουμε ότι αυτό το σύστημα έχει σημαντικές περιορισμοί. Το GPT-3 μπορεί να εκτελεί αναλογική λογική, αλλά έχει δυσκολίες με εργασίες που είναι εύκολες για τους ανθρώπους, όπως η χρήση εργαλείων για μια φυσική εργασία.”

Οι ικανότητες του GPT-3 δοκιμάστηκαν με προβλήματα που εμπνέονται από τις Προοδευτικές Ματρίτσες του Raven – ένα τεστ που περιλαμβάνει σύνθετες ακολουθίες σχημάτων. Με τη μετατροπή εικόνων σε μορφή κειμένου που το GPT-3 μπορούσε να αναλύσει, ο Webb έκανε σίγουρο ότι αυτά ήταν εντελώς νέες προκλήσεις για την Τεχνητή Νοημοσύνη. Όταν συγκρίθηκε με 40 φοιτητές κολεγίου του UCLA, το GPT-3 не μόνο ισάξιο με την ανθρώπινη απόδοση, αλλά και αντέγραψε τα λάθη που έκαναν οι άνθρωποι. Το μοντέλο της Τεχνητής Νοημοσύνης λύσε 80% των προβλημάτων, υπερβαίνοντας τον μέσο όρο των ανθρώπων και πέφτοντας εντός του εύρους των καλύτερων ανθρώπινων εκτελεστών.

Η ομάδα εξέτασε περαιτέρω τις ικανότητες του GPT-3 χρησιμοποιώντας μη δημοσιευμένες ερωτήσεις αναλογιών SAT, με την Τεχνητή Νοημοσύνη να υπερβαίνει τον μέσο όρο των ανθρώπων. Ωστόσο, είχε δυσκολίες όταν προσπάθησε να κάνει αναλογίες από σύντομες ιστορίες, αν και το νεότερο μοντέλο GPT-4 έδειξε βελτιωμένα αποτελέσματα.

Γέφυρα ανάμεσα στην Τεχνητή Νοημοσύνη και την Ανθρώπινη Γνωστική;

Οι ερευνητές του UCLA δεν σταματούν στα简单ές συγκρίσεις. Έχουν αρχίσει να αναπτύσσουν ένα μοντέλο υπολογιστή που εμπνέεται από την ανθρώπινη γνωστική, συγκρίνοντάς το συνεχώς με εμπορικά μοντέλα της Τεχνητής Νοημοσύνης. Ο Keith Holyoak, καθηγητής ψυχολογίας στο UCLA και συν-συγγραφέας, ανέφερε: “Το ψυχολογικό μοντέλο της Τεχνητής Νοημοσύνης μας ξεπέρασε τα άλλα σε προβλήματα αναλογιών μέχρι την τελευταία ενημέρωση του GPT-3, η οποία εμφάνισε ανώτερες ή ισάξιες ικανότητες.”

Ωστόσο, η ομάδα εντόπισε ορισμένες περιοχές όπου το GPT-3 ήταν πίσω, ιδιαίτερα σε εργασίες που απαιτούν κατανόηση του φυσικού χώρου. Σε προκλήσεις που αφορούσαν τη χρήση εργαλείων, οι λύσεις του GPT-3 ήταν σαφώς εκτός στόχου.

Ο Hongjing Lu, ο старший συγγραφέας της μελέτης, εξέφρασε έκπληξη για τα άλματα της τεχνολογίας τα τελευταία δύο χρόνια, ιδιαίτερα στις ικανότητες της Τεχνητής Νοημοσύνης να λογάριαζε. Αλλά, αν αυτά τα μοντέλα σκέφτονται πραγματικά “σαν άνθρωποι” ή απλά μιμούνται την ανθρώπινη σκέψη, παραμένει ακόμη υπό συζήτηση. Η αναζήτηση για εντυπώσεις στις γνωστικές διαδικασίες της Τεχνητής Νοημοσύνης απαιτεί πρόσβαση στο backend των μοντέλων της Τεχνητής Νοημοσύνης, ένα βήμα που θα μπορούσε να διαμορφώσει τη μελλοντική πορεία της Τεχνητής Νοημοσύνης.

Επαναλαμβάνοντας το αίσθημα, ο Webb καταλήγει: “Η πρόσβαση στο backend των μοντέλων GPT θα ωφελήσει enormemente τους ερευνητές της Τεχνητής Νοημοσύνης και της γνωστικής. Τώρα, είμαστε περιορισμένοι στα εισαγωγικά και εξαγωγικά δεδομένα, και μας λείπει το αποφασιστικό βάθος που επιδιώκουμε.”