Raziskovalci pri Applu so v nedavno objavljeni študiji razkrili “temeljne omejitve” naprednih modelov umetne inteligence (UI), znanih kot veliki razmišljajoči modeli (LRM). Njihove ugotovitve vzbujajo dvome o dirki tehnološke industrije za razvoj vse zmogljivejših sistemov, ki bi dosegli stopnjo umetne splošne inteligence (AGI), kjer bi UI lahko opravljala intelektualne naloge na ravni človeka.
Študija je pokazala, da standardni modeli UI prekašajo LRM pri nalogah nizke zahtevnosti, medtem ko oboji doživijo “popoln kolaps natančnosti” pri zelo zapletenih problemih. LRM, ki poskušajo reševati kompleksne poizvedbe z razčlenjevanjem problema na manjše korake, so pri tem začeli “zmanjševati napor razmišljanja”, kar so Applovi raziskovalci označili za zelo zaskrbljujoče.
BREAKING: Apple just proved AI “reasoning” models like Claude, DeepSeek-R1, and o3-mini don’t actually reason at all.
They just memorize patterns really well.
Here’s what Apple discovered:
(hint: we’re not as close to AGI as the hype suggests) pic.twitter.com/9A4Lg5aQWO
— Ruben Hassid (@RubenHssd) June 7, 2025
Raziskava je z reševanjem ugank testirala modele, kot so OpenAI-jev o3, Googlov Gemini Thinking, Anthropicov Claude 3.7 Sonnet-Thinking in DeepSeek-R1. Pri visoko kompleksnih nalogah so modeli odpovedali, v enem primeru tudi ko so jim ponudili algoritem za rešitev.
V študiji je zapisano: »Ko se modeli približajo kritičnemu pragu – ki tesno ustreza točki zloma njihove natančnosti – začnejo protiintuitivno zmanjševati svoj napor sklepanja kljub naraščajoči težavnosti problema.« To naj bi kazalo na “temeljno omejitev skaliranja” njihovih miselnih zmogljivosti.
So trenutni pristopi k UI morda dosegli svoje meje oziroma zašli v slepo ulico? Ugotovitve Applove študije postavljajo pod vprašaj idejo, da bi veliki jezikovni modeli, kot je tisti, ki poganja ChatGPT, lahko neposredno dosegli splošno uporabno razmišljanje, ki je ključno za AGI.
Komentirajo lahko naročniki