Het redeneervermogen van AI neemt af wanneer het met complexe problemen wordt geconfronteerd.

VHO - Een nieuwe studie van Apple toont aan dat geavanceerde AI-modellen "volledig kunnen vastlopen" wanneer ze met complexe problemen worden geconfronteerd. Dit roept serieuze vragen op over de mogelijkheid om algemene kunstmatige intelligentie te bereiken – het stadium waarin machines denken zoals mensen.

Nieuw onderzoek van Apple wijst uit dat AI minder effectief wordt in het redeneren wanneer het met complexe problemen wordt geconfronteerd.

Hoe sterker het model, hoe zwakker het "denken"?

In een recent gepubliceerd rapport hebben onderzoekers van Apple de prestaties van Large Reasoning Models (LRM's) geëvalueerd bij het oplossen van logische problemen met een toenemende moeilijkheidsgraad, zoals de Toren van Hanoi of het Rivieroversteekprobleem .

De resultaten waren schokkend: bij zeer complexe problemen verslechterde de nauwkeurigheid van geavanceerde AI-modellen niet alleen, maar stortte deze zelfs volledig in.

Wat nog zorgwekkender is, is dat de modellen, voordat de prestaties kelderden, hun redeneervermogen begonnen te verminderen. Dit gedrag is in strijd met de intuïtie, aangezien er juist meer denkwerk nodig zou moeten zijn bij het oplossen van een complex probleem.

In veel gevallen slagen de modellen er zelfs met het juiste algoritme nog steeds niet in een oplossing te bieden. Dit wijst op ernstige beperkingen in hun vermogen om zich aan te passen en regels toe te passen in nieuwe omgevingen.

De uitdaging van de "algemene theorie"

In reactie op dit onderzoek noemde de Amerikaanse wetenschapper Gary Marcus, een van de sceptici over de werkelijke mogelijkheden van AI, de bevindingen van Apple "behoorlijk verwoestend".

In zijn persoonlijke Substack-nieuwsbrief schreef hij: "Iedereen die denkt dat grote taalmodellen (LLM's) een directe weg naar algemene kunstmatige intelligentie (AGI) zijn, bedriegt zichzelf."

Andrew Rogoyski, expert bij het Human-Centered AI Institute (Universiteit van Surrey, VK), deelt deze mening en is van mening dat deze bevinding erop wijst dat de technologie-industrie mogelijk in een "doodlopende straat" terechtkomt: "Wanneer modellen alleen goed presteren bij eenvoudige en gemiddeld moeilijke problemen, maar volledig falen bij toenemende moeilijkheidsgraad, is het duidelijk dat er een probleem is met de huidige aanpak."

Een specifiek punt dat door Apple wordt benadrukt, is het gebrek aan "algemeen redeneervermogen", oftewel het vermogen om inzichten uit een specifieke situatie toe te passen op vergelijkbare situaties.

Wanneer kennis niet op de gebruikelijke menselijke manier kan worden overgedragen, vervallen de huidige modellen al snel in een staat van "mechanisch leren": sterk in het herhalen van patronen, maar zwak in logisch denken of deductie.

Bovendien heeft onderzoek aangetoond dat grootschalige redeneermodellen veel rekenkracht verbruiken doordat ze voor eenvoudige problemen herhaaldelijk de juiste stappen uitvoeren, maar voor iets complexere problemen vanaf het begin de verkeerde aanpak kiezen.

Het rapport testte een reeks toonaangevende modellen, waaronder OpenAI's o3, Google's Gemini Thinking, Claude 3.7 Sonnet-Thinking en DeepSeek-R1. Anthropic, Google en DeepSeek hebben nog niet gereageerd, terwijl OpenAI weigerde commentaar te geven.

Het onderzoek van Apple ontkent de prestaties van AI op het gebied van taal, beeldverwerking en big data niet. Het wijst echter op een blinde vlek die over het hoofd wordt gezien: het vermogen om echt te redeneren, wat de kern vormt van het bereiken van ware intelligentie.

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