AI modelləri bu intellekt testlərini səhv edir. Siz daha yaxşı nəticə əldə edə bilərsiniz?

Bulmacalar və oyunlar lap əvvəldən süni intellektin inkişafının mərkəzi olmuşdur. Biz insanlar öz ağıllılarımızı krossvordlar və ya məntiq tapmacaları ilə sınamağı xoşladığımız kimi, tərtibatçılar da modellərin oyun əlcəyi ilə nə qədər irəlilədiyini yoxlaya bilərlər. “Maşın öyrənməsi” termini 1959-cu ildə IBM kompüter alimi Artur Samuel tərəfindən dama oynamağı öyrənən bir alqoritm haqqında məqaləsində populyarlaşdı.

Şahmat və Çin stolüstü oyunu Go da məşhur AI test çarpayılarıdır. Sırf baş sındıran bacarıqlarına əsaslanaraq, AI çox və sürətlə inkişaf edir. 2024-cü ilin sonlarında Kolumbiya Universitetindən bir qrup elm adamı göstərdi ki, hətta ən yaxşı modellər belə məşhur New York Times Connections bulmacalarının yalnız 18%-ni anlaya bilər; 2025-ci ilin əvvəlinə qədər bəzi modellər hər dəfə onları mükəmməl şəkildə həll edə bilər.

Ancaq bulmacalar süni intellekt imkanlarının amansız irəliləyişini vurğulamaqdan daha çox şey edir. Modellərin uğurlu və uğursuz olduğu və biz insanların hələ də onları məğlub etdiyi yerləri görmək texnologiyanın güclü və zəif tərəflərinə faydalı bir pəncərə təqdim edə bilər. İrəliləyişlərə baxmayaraq, bugünkü modellər hələ də pozulur: Klassik tapmacalardakı incə dəyişikliklər onları tez-tez pozur və vizual tapmacalar xüsusi zəif yerdir.

Burada bir dəfə və ya digər modelləri çaşdıran tapmacalar üzərində ağlınızı sınamaq şansınız olacaq. Bəziləri AI üçün olduğu kimi sizin üçün də çətin ola bilər; digərləri o qədər sadədir ki, süni intellektin həqiqətən də ağıllı olub-olmamasından şübhələnəcəksiniz. Hər biri maşın və insan idrakının fərqləndiyi ən azı bir yolu vurğulayır.

Sınaqdan keçsəniz, süni intellektdən qalib çıxa biləcəyinizi sübut etmiş olacaqsınız - ən azı indiyə qədər. İnsanların böyük üstünlüyə malik olduğu bir sahədən başlayaq: məkan düşüncəsi. Əgər siz nə vaxtsa IQ testindən keçmisinizsə, zehni fırlanma problemi etmiş ola bilərsiniz.

Bu tapmacalar sizdən fərqli şəkillərin eyni obyektləri müxtəlif bucaqlardan təmsil edib-etmədiyini müəyyən etməyi xahiş edir. Bugünkü dil modelləri adətən vizual girişləri təhlil etmək qabiliyyətinə malik olsalar da, hələ də bu tapmacalarda uğursuzluqla üzləşirlər. Dünya modellərinin süni intellektə fiziki mühitləri başa düşməsinə necə kömək edə biləcəyinə dair bütün söhbətlərə baxmayaraq, LLM-lər hələ də 3D obyektləri memarlar və mexaniki mühəndislər kimi məkan mütəfəkkirlərinin manipulyasiya edə bildiyi kimi görünmür.