יכולת החשיבה של בינה מלאכותית מתדרדרת כאשר היא מתמודדת עם בעיות מורכבות.

VHO - מחקר חדש של אפל מראה שמודלים מתקדמים של בינה מלאכותית יכולים "לקרוס לחלוטין" כאשר הם מתמודדים עם בעיות מורכבות, מה שמעלה שאלות רציניות לגבי היכולת להגיע לבינה מלאכותית כללית - השלב שבו מכונות חושבות כמו בני אדם.

מחקר חדש של אפל מצביע על כך שההיגיון של בינה מלאכותית הופך פחות יעיל כאשר הוא מתמודד עם בעיות מורכבות.

ככל שהמודל חזק יותר, כך ה"חשיבה" חלשה יותר?

בדו"ח שפורסם לאחרונה, חוקרי אפל העריכו את ביצועיהם של מודלים של חשיבה גדולה (LRM) בטיפול בבעיות לוגיות ברמת קושי הולכת וגוברת, כמו מגדל האנוי או בעיית מעבר הנהר .

התוצאות היו מזעזעות: כאשר התמודדו עם בעיות מורכבות ביותר, הדיוק של מודלים מתקדמים של בינה מלאכותית לא רק התדרדר, אלא "קרס לחלוטין".

מה שמדאיג עוד יותר הוא שלפני שהביצועים צנחו, המודלים החלו... להפחית את מאמץ ההיגיון שלהם, התנהגות המנוגדת לאינטואיציה, שכן יש צורך במחשבה רבה יותר כאשר מתמודדים עם בעיה קשה.

במקרים רבים, אפילו כאשר ניתנת להם האלגוריתם הנכון, המודלים עדיין לא מצליחים לספק פתרון. עובדה זו חושפת מגבלות עמוקות ביכולתם להסתגל וליישם כללים בסביבות חדשות.

האתגר של "התיאוריה הכללית"

בתגובה למחקר זה, החוקר האמריקאי גארי מרקוס, אחד הקולות הספקנים לגבי היכולות האמיתיות של הבינה המלאכותית, כינה את ממצאי אפל "הרסניים למדי".

בניוזלטר האישי שלו של Substack, הוא הצהיר: "כל מי שחושב שמודלים של שפה גדולה (LLMs) הם נתיב ישיר למודלים של שפה גדולה (AGI) מרמה את עצמו."

אנדרו רוגויסקי, מומחה במכון לבינה מלאכותית ממוקדת אדם (אוניברסיטת סארי, בריטניה), מסכים עם דעה זו ומאמין כי ממצא זה מצביע על האפשרות שתעשיית הטכנולוגיה נכנסת ל"מבוי סתום": "כאשר מודלים מתפקדים היטב רק עם בעיות פשוטות ובינוניות ברמת קושי, אך נכשלים לחלוטין בהגברת הקושי, ברור שיש בעיה עם הגישה הנוכחית."

נקודה אחת שהדגישה אפל היא היעדר יכולת "היגיון כללי", כלומר, היכולת להרחיב את ההבנה ממצב ספציפי למצבים דומים.

כאשר ידע לא ניתן להעברה באופן שבו בני אדם עושים זאת בדרך כלל, המודלים הנוכחיים נופלים בקלות למצב של "למידה משוננת": חזקים בדפוסים חוזרים, אך חלשים בחשיבה לוגית או ניכוי.

יתר על כן, מחקרים מצאו שמודלים של חשיבה בקנה מידה גדול צורכים משאבי חישוב על ידי ביצוע חוזר ונשנה של השלבים הנכונים עבור בעיות פשוטות, אך בחירת גישה שגויה מלכתחילה עבור בעיות מורכבות מעט יותר.

הדו"ח בחן מגוון מודלים מובילים, כולל o3 של OpenAI, Gemini Thinking של גוגל, Claude 3.7 Sonnet-Thinking ו-DeepSeek-R1. בעוד ש-Anthropic, Google ו-DeepSeek טרם הגיבו, OpenAI סירבו להגיב.

המחקר של אפל אינו מכחיש את הישגיה של הבינה המלאכותית בשפה, בדימויים או בביג דאטה. עם זאת, הוא מדגיש נקודה עיוורת שמתעלמים ממנה: היכולת לחשוב בצורה כנה, שהיא בליבת ההשגה של אינטליגנציה אמיתית.

מקור: https://baovanhoa.vn/nhip-song-so/ai-suy-luan-kem-dan-khi-gap-bai-toan-phuc-tap-141602.html