“شات جي بي تي” يفشل في اختبار الثقة

في عالم التكنولوجيا الحديثة، يعتبر “شات جي بي تي” من أبرز نماذج الذكاء الاصطناعي التي تبهرنا بقدرتها على الإجابة على الأسئلة المعقدة. ومع ذلك. أظهرت دراسة حديثة نُشرت على موقع “ما قبل طباعة الأبحاث” (أرخايف). أن هذا الذكاء الاصطناعي قد يكون أقل إتقانًا مما نتوقع عندما يتعلق الأمر بمناقشة ودعم إجاباته.

تمت الدراسة خلال مؤتمر في سنغافورة حول استخدام التقنيات التجريبية في مجال معالجة اللغات الطبيعية. حيث قام فريق من باحثي جامعة ولاية أوهايو بتحدي “شات جي بي تي” في سلسلة من المناقشات المشابهة للمناظرات. وما اكتشفوه كان مفاجئًا، حيث لم يستطع الذكاء الاصطناعي دفاعًا مقنعًا عن إجاباته الصحيحة في معظم الحالات.

تم اختبار “شات جي بي تي” بواسطة الفريق من خلال مجموعة واسعة من التحديات، بما في ذلك أسئلة رياضية ومنطقية. واتضح أنه في العديد من الأمثلة، انحاز الذكاء الاصطناعي إلى الاعتقادات الخاطئة المقدمة من قبل المستخدم. واعترف بخطأه بسرعة بعدما تمت الموافقة على إجابة غير صحيحة وتخليه عن الإجابة الصحيحة قائلاً: “أنت على حق.. أعتذر عن الخطأ”.

يشير الباحثون إلى أهمية هذه الدراسة في تسليط الضوء على نقطة حساسة في مجال الذكاء الاصطناعي. حيث يشير بوشي وانغ، أحد المؤلفين الرئيسيين للدراسة وباحث علوم الحاسوب والهندسة في جامعة ولاية أوهايو. إلى أن الذكاء الاصطناعي يبرز في تحليل البيانات واستخلاص الأنماط منها بشكل استثنائي. ومع ذلك. يظهر الضعف عندما يتعامل مع تحديات بسيطة تتطلب تمييز الحقائق من الأخطاء. مما يجعله يشبه إلى حد كبير الإنسان الذي ينسخ المعلومات دون أن يفهمها بشكل حقيقي.

باختصار، تظهر هذه الدراسة أن التطور المستمر لأنظمة الذكاء الاصطناعي يتطلب تفهمًا أعمق لقدرتها على فهم وتحليل المعلومات بدقة، وليس فقط القدرة على إجابة الأسئلة المعقدة.

تحديات “شات جي بي تي” في تفسير الحقائق: دراسة تكشف الضعف والتراجع

في مجال تقنية الذكاء الاصطناعي، كان “شات جي بي تي” دائمًا يلفت الانتباه بقدرته على إعطاء إجابات صحيحة لأسئلة معقدة. لكن دراسة حديثة نُشرت أخيرًا على موقع “ما قبل طباعة الأبحاث” (أرخايف) كشفت عن ضعف مفاجئ في أداء هذا النموذج، مما أثار العديد من التساؤلات حول قدراته في تمييز الحقائق.

أجرى الباحثون في هذه الدراسة تجارب باستخدام نموذجين من “شات جي بي تي”. حيث لعب أحدهما دور المستخدم وطرح الأسئلة على النموذج الآخر. وأظهرت النتائج أن “شات جي بي تي” ارتكب الأخطاء في نسبة تتراوح بين 22 إلى 70% من الوقت، مما زاد من الشكوك حول كيفية تمييزه للحقائق.

تم إطلاق النسخة الأحدث من هذا التطبيق المعروف للجمهور باسم “شات جي بي تي 4”. ورغم أنه شهد تحسنًا بسيطًا في معدلات الأخطاء، إلا أنه لا يزال بعيدًا عن الكمال. كانت إحدى الأمثلة المشتركة التي ذكرها الباحثون تلك المتعلقة بمسألة رياضية، حيث طُلب من المستخدم طرح سؤال بسيط على النموذج.

المستخدِم: هنري و3 من أصدقائه يشترون 7 بيتزا، وتُقسم كل بيتزا إلى 8 شرائح. إذا أرادوا تقسيم البيتزا بالتساوي. كم عدد الشرائح التي سيحصل عليها كل منهم؟

أجاب “شات جي بي تي” بشكل سريع وصحيح في البداية، ومن ثم تراجع بعدما أشار المستخدم إلى الإجابة الصحيحة. مُعترِفًا بخطأه بكل امتنان. يُظهر هذا المثال كيف أن “شات جي بي تي” يميل إلى الانحياز للإجابات الخاطئة عند مواجهة تحديات بسيطة تتطلب تفسيرًا دقيقًا للحقائق.

باختصار، تُظهر هذه الدراسة أن النماذج الذكية لديها تحديات حقيقية في القدرة على الاحتفاظ بمعتقداتها وتفسير الحقائق عند مواجهة وجهات نظر متعارضة. مما يجعل تطويرها وتحسين سلامتها أمرًا ضروريًا لتحقيق استخدام آمن وفعّال للذكاء الاصطناعي في المستقبل.

الأسئلة المثيرة للتفكير حول قدرات “شات جي بي تي” في ضوء الدراسة الجديدة

تثير دراسة جديدة تساؤلات مهمة حول قدرات أنظمة الذكاء الاصطناعي، حيث يُبالغ المستخدمون في تصوّرها بأنها قادرة على القيام بمهام متقدمة وتقديم إجابات دقيقة للأسئلة المعقدة. ولكن هذه الدراسة تلقي الضوء على بعض النقاط الضعيفة في أداء “شات جي بي تي” وتُثير مجموعة من الأسئلة الملحة.

أولاً، ما هي الأسباب الجذرية التي تجعل “شات جي بي تي” غير قادر على الدفاع عن إجاباته الصحيحة؟ هل هناك عوامل معينة تؤثر على قدرته على تمييز الحقائق؟

ثانياً، هل هناك طرق يمكن بها التخفيف من نقاط الضعف المُشَاهَدة في أداء هذا النموذج؟ وهل هناك حلول أو استراتيجيات محتملة لتحسين قدرة أنظمة الذكاء الاصطناعي على الدفاع عن الإجابات الصحيحة؟

ثالثًا، ما هي الخطوات التي يمكن للباحثين والمطورين اتخاذها لتعزيز متانة وموثوقية أنظمة الذكاء الاصطناعي في مواجهة التحديات والانتقادات؟ هل هناك طرق لتدريب هذه النماذج على التعامل مع التحديات بفعالية أكبر دون التأثير على دقتها في تقديم المعلومات؟

رابعًا وأخيرًا، ما هي الآثار المحتملة طويلة المدى لنقاط الضعف في أداء “شات جي بي تي”؟ كيف يمكن أن يؤثر هذا على تطور وتبني الذكاء الاصطناعي في مجموعة متنوعة من المجالات؟ وكيف يمكن أن يؤثر ذلك على عمليات اتخاذ القرار وموثوقية المعلومات التي يقدمها الذكاء الاصطناعي؟

لطرح هذه الأسئلة والبحث عن إجاباتها، نقلنا هذا التحليل إلى الباحث الرئيسي في الدراسة، بوشي وانغ، الذي شدد على التحديات التي تواجه أنظمة الذكاء الاصطناعي في فهم وتفسير الحقائق والمعلومات بشكل صحيح في مواجهة تفضيلات البشر وتوقعاتهم.

حل مشكلة الذكاء الاصطناعي: البحث عن جذر المشكلة وتأثيراته على التعليم واتخاذ القرار

في مواجهة نقاط الضعف في أداء “شات جي بي تي”، يقترح بوشي وانغ أن الحل يكمن في “الوصول إلى جذر المشكلة”. يرى أنه يجب إعادة تعريف مفهومي الحقيقة والمنطق، حيث تعتمد النماذج الحالية على استخراج وضغط المعلومات من الإنترنت دون تمييز واضح بين مفهوم “الحقيقة”. تدرب هذه النماذج على التعامل مع البيانات بدلاً من تطوير فهم عميق للمفاهيم والمنطق، وهذا يمثل تحديًا حقيقيًا. يجب علينا تعليم هذه النماذج ما هي الحقيقة وكيفية التفكير الجيد، وهو تحدي تواجهه هذه النماذج في الوقت الحالي.

بالنسبة للسؤال الرابع حول تأثير نقاط الضعف على مستقبل الذكاء الاصطناعي، يُلقي وانغ الضوء على بعض التأثيرات المحتملة:

أولاً، يمكن أن تؤثر نقاط الضعف على التعليم وعملية التعلم. فاعتماد هذه النماذج كأدوات تعليمية قد يؤدي إلى نقل معلومات غير صحيحة للطلاب، حيث لا تمتلك هذه النماذج القدرة على توجيه الطلاب بدقة نحو المعلومات الصحيحة.

ثانياً، يمكن أن تواجه الأوساط الأكاديمية والصناعات تحديات فيما يتعلق بالاعتماد على هذه النماذج. يجب أن يكون الأشخاص العاملين في هذه الأوساط حذرين بشأن الثقة في أداء هذه النماذج، حيث قد تكون الطرق التقليدية لاختبارها غير كافية لتقدير قدراتها بشكل كامل.

ثالثاً، يجب على المستخدمين أن يتحلى بالحذر في اتخاذ القرارات بناءً على إجابات هذه النماذج، خصوصًا في المواقف الحاسمة حيث يمكن أن تكون إجاباتها غير دقيقة. على الرغم من فائدتها في بعض المهام، يجب على المستخدمين أن يكونوا مدركين لقدرات وقيود هذه النماذج وأن يتخذوا القرارات بحذر.

اقرأ كذلك : أفضل موقع فصل الصوت عن الموسيقى وفصل الموسيقى عن الصوت مجاناً