چرا هوش مصنوعی نمی فهمد که “گل” است؟

مدل های بزرگ زبان (LLM) فقط بر اساس زبان و تصاویر آموزش داده می شوند و هیچ تجربه ای در شناسایی فعالیت های حسی مانند لمس یا بو ندارند.

او می گوید: “یک مدل بزرگ زبان نمی تواند بوی گل رز ، لمس برگهای گل یا قدم زدن در گلهای وحشی در مزرعه را درک کند.” بدون این تجربیات حسی و حرکتی ، هوش مصنوعی نمی تواند با تمام غنای آن از کلمه گل نشان دهد. همین مورد در مورد برخی مفاهیم دیگر انسانی نیز صدق می کند.

ژو و همکارانش با پایه اطلاعات گل 4442 کلمه ، انسان و LLMS را مقایسه کردند. این شامل کلماتی مانند “گل” ، “سام” ، “طنز” و “خم” بود.

مقایسه بین افراد و هوش دو مدل LLM و مدل های نخل و دوقلوها.

دو معیار برای آزمایش انسان و LLM استفاده شد. اول ، آن را هنجارهای گلاسکو خوانده می شد ، که درخواست کلمات 9 بعدی مانند برانگیختگی ، بتن و رتبه بندی تصاویر را می داد.

در اولین تجزیه و تحلیل ، محققان چگونه مردم و مفاهیم همکار هوش مصنوعی را بررسی کردند. به عنوان مثال ، آیا مردم و هوش مصنوعی موافق هستند که برخی از مفاهیم تحریک عاطفی بالاتری نسبت به سایرین دارند؟

در تجزیه و تحلیل دوم ، محققان توانایی افراد و LLMS را در تصمیم گیری در مورد چگونگی ارتباط کلمات با یکدیگر بررسی کردند.

به عنوان مثال ، هر دو Makarna و Rose بوی قوی دارند ، بنابراین مردم می توانند به آنها نقطه بزرگی از نحوه بو کردن آنها بدهند ، اما هر دو بوی قوی دارند ، اما ما بیشتر از گل رز به ماکارونی فکر می کنیم. دلیل این امر این است که ما فقط چیزها را به یک معنا مقایسه می کنیم (مانند بو) ، بلکه در مورد ظاهر و سلیقه آنها نیز فکر می کنیم.

نتایج را پیدا کنید

به طور کلی ، LLM ها در مفاهیم انسانی بسیار خوب بودند ، اما این تفاوت رخ داد که مجبور شدید چیزهایی را در مورد چیزهای حسی مانند هوش مصنوعی و سلیقه تعریف کنید. در اینجا ، هوش مصنوعی نمی تواند مفاهیم انسانی را توصیف کند.

محققان می گویند: از عطر شدید یک گل و لمس ابریشم برگها ، شادی عمیق “گل” به یک دسته مداوم از تجربیات و تعامل های مختلف متصل می شود.

“با مصرف مقادیر زیادی متن ، هوش مصنوعی از آنچه می دانید و هنوز هم برخی از مفاهیم نمی توانند مانند افراد مانند مردم توصیف کنند.” گفت

با این حال ، ژو به سرعت فهمید که LLM ها به طور مداوم بهبود می یابند ، بنابراین با گذشت زمان بهتر خواهد شد و احساسات انسانی را تعریف می کنند. در آینده ، هنگامی که LLM ها با داده های حسی و روباتیک ترکیب می شوند ، توانایی های استدلال خود را بهبود می بخشند و به دنیای فیزیکی حرکت می کنند.