AI’s analoge resonneringsEvner: Utfordrer Menneskelig Intelligens?

Analog resonnering, den unike evnen som mennesker besitter til å løse ukjente problemer ved å trekke paralleller med kjente problemer, har lenge vært ansett som en distinkt menneskelig kognitiv funksjon. Men, en banebrytende studie utført av UCLA-psykologer presenterer overbevisende funn som kan få oss til å tenke om på nytt.

GPT-3: Matcher Opp til Menneskelig Intelligens?

UCLA-forskningen fant at GPT-3, en AI-språkmodell utviklet av OpenAI, viser resonneringskapasiteter nesten på linje med college-studenter, spesielt når de blir bedt om å løse problemer lignende de som ses i intelligenstester og standardiserte eksamener som SAT. Denne avsløringen, publisert i tidsskriftet Nature Human Behaviour, reiser en intrigerende spørsmål: Emulerer GPT-3 menneskelig resonnering på grunn av sin omfattende språktreningssamling, eller er det påvirker en helt ny kognitiv prosess?

De eksakte virkemidlene til GPT-3 forblir skjult av OpenAI, og etterlater forskerne ved UCLA nysgjerrige på mekanismen bak dens analoge resonneringsferdigheter. Til tross for GPT-3s lovbudige ytelse på visse resonneringsoppgaver, er verktøyet ikke uten feil. Taylor Webb, studiens hovedforfatter og en postdoktorand ved UCLA, noterte: “Selv om våre funn er imponerende, er det essensielt å understreke at dette systemet har betydelige begrensninger. GPT-3 kan utføre analog resonnering, men det sliter med oppgaver som er trivielle for mennesker, som å bruke verktøy for en fysisk oppgave.”

GPT-3s kapasiteter ble testet ved hjelp av problemer inspirert av Raven’s Progressive Matrices – en test som involverer komplekse formasjoner. Ved å konvertere bilder til en tekstformat som GPT-3 kunne tyde, sikret Webb at disse var helt nye utfordringer for AI-en. Når sammenlignet med 40 UCLA-studenter, ikke bare matchet GPT-3 menneskelig ytelse, men det speilet også feilene menneskene gjorde. AI-modellen løste riktig 80% av problemene, overgikk den gjennomsnittlige menneskelige scoren, men falt innenfor rekken av de beste menneskelige prestasjonene.

Teamet gikk videre og testet GPT-3s dyktighet ved hjelp av upubliserte SAT-analogi-spørsmål, med AI-en som overgikk den gjennomsnittlige menneskelige scoren. Men, det sviktet litt når det kom til å trekke analogier fra korte fortellinger, selv om den nyere GPT-4-modellen viste bedre resultater.

Bruene Over AI-Menneskelig Kognitiv Kløft

UCLA-forskerne stopper ikke ved bare sammenligninger. De har begynt å utvikle en datamodell inspirert av menneskelig kognisjon, og sammenligner konstant dens evner med kommersielle AI-modeller. Keith Holyoak, en UCLA-psykologiprofessor og medforfatter, bemerket: “Vår psykologiske AI-modell overgikk andre i analogiproblemer inntil GPT-3s siste oppgradering, som viste overlegen eller likeverdig kapasitet.”

Men, teamet identifiserte visse områder hvor GPT-3 sviktet, spesielt i oppgaver som krever forståelse av fysisk rom. I utfordringer som involverer verktøybruk, var GPT-3s løsninger markant feil.

Hongjing Lu, studiens seniorforfatter, uttrykte forbauselse over de store sprang i teknologien over de siste to årene, spesielt i AI-s evne til å resonere. Men, om disse modellene virkelig “tenker” som mennesker eller bare etterligner menneskelig tenkning, er fortsatt et tema for debatt. Søket etter innsikt i AI-s kognitive prosesser krever tilgang til AI-modellenes bakside, et sprang som kan forme AI-s fremtidige retning.

I samme ånd, konkluderer Webb: “Tilgang til GPT-modellenes bakside ville være svært nyttig for AI- og kognitiv forskning. For øyeblikket er vi begrenset til inndata og utdata, og det mangler den avgjørende dybden vi streber etter.”