Ovo je zabrinjavajuće: ChatGPT sve je pametniji, no istovremeno više izmišlja i laže

Povijest je prepuna briljantnih, ali nepouzdanih pojedinaca, a osobina, čini se, nije zaobišla ni umjetnu inteligenciju. Prema istrazi koju je OpenAI proveo i podijelio s The New York Timesom, njihovi najnoviji ChatGPT AI modeli, GPT o3 i o4-mini, pokazuju znatnu sklonost halucinacijama, tj. izmišljanju činjenica.

tri vijesti o kojima se priča NAPETOSTI NA BALTIKU Francuski lovci presreli 11 ruskih zrakoplova priča provjerenog Internet preplavile snimke sa zagrebačkih ulica, ljudi hodaju goli i rastrojeni. Što je u pozadini? "Vrlo je tanka linija..." Nepojmljivo Strahota na groblju u okolici Zagreba: "Pa zar ovo nije krah čovječanstva?"

Modeli GPT o3 i o4-mini osmišljeni su da oponašaju ljudsko rezoniranje, za razliku od starijih verzija koje su se fokusirale na tečno generiranje teksta. OpenAI istaknuo je da je prethodni model o1 mogao dostići ili premašiti uspjeh doktoranada u kemiji, biologiji i matematici. No, najnoviji brojevi izazivaju zabrinutost.

U testu koji je uključivao javne osobe GPT o3 halucinirao je u 33 % slučajeva, dvostruko više nego o1. Manji model o4-mini bio je još nepouzdaniji, s 48 % odgovora koji su sadržavali izmišljotine. Na SimpleQA testu općeg znanja brojevi su porasli: 51 % odgovora modela o3 i 79 % o4-mini bili su netočni, piše portal Tech Radar.

Pretpostavka koja se razmatra u AI zajednici jest da što više model pokušava rezonirati, to mu raste vjerojatnost pogreške. Stariji, jednostavniji modeli drže se visoko samouvjerenih predviđanja, dok noviji analiziraju više puteva i improviziraju, što onda lako prelazi u izmišljanje činjenica.

OpenAI za Times je izjavio da uzrok povećanog broja halucinacija možda nije samo složenije rezoniranje, već i veća opširnost odgovora. Budući da modeli sve češće nagađaju, granica između teorije i fikcije time postaje zamagljena.

To je zabrinjavajuće jer se AI sve više koristi u školama, uredima, bolnicama i administraciji. GPT o3, iako sposoban za složene zadatke, gubi vjerodostojnost kada počne generirati netočnosti, poput tvrdnje da je Abraham Lincoln vodio podcast. AI, koji bi trebao pomagati i olakšati rad čovjeku, ne smije biti izvor pogrešaka te tako posao koji pokušava olakšati zapravo dodatno otežavati.

OpenAI i konkurenti poput Googlea i Anthropica nastoje poboljšati točnost. Do tada na korisnicima ostaje da budu iznimno oprezni jer nijedan AI odgovor ne treba uzimati zdravo za gotovo.