Analiza4 min čitanja

Iluzija razumijevanja: Zašto generativni modeli ne mogu misliti

Generativni modeli mogu predvidjeti sljedeću riječ, ali ne posjeduju sposobnost pravog razumijevanja ili donošenja složenih odluka.

S

Autor

Shtef

Objavljeno

Ilustracija razlike između statistike i pravog razumijevanja

Iluzija razumijevanja: Zašto generativni modeli ne mogu misliti

Slijepo oslanjanje na alate bazirane na velikim jezičnim modelima vodi u krizu prosudbe.

Nalazimo se u trenutku u kojem se od alata baziranih na velikim jezičnim modelima očekuje da preuzmu ulogu partnera u razmišljanju. Sve više organizacija koristi ove sustave ne samo za generiranje teksta, već i za donošenje složenih odluka. Međutim, postoji dubok jaz između sposobnosti oponašanja jezika i stvarne sposobnosti razumijevanja problema.

Prevladavajuća priča

Glavni narativ tehnološke industrije sugerira da povećanje broja parametara i volumena podataka neizbježno vodi do opće inteligencije. Tvrdi se da su današnji generativni modeli sposobni za logičko zaključivanje, te da je samo pitanje vremena kada će u potpunosti zamijeniti ljudsku kognitivnu analizu. Prema toj priči, svaki problem može se riješiti ako postavimo pravi upit.

Zašto je ta priča pogrešna ili nepotpuna

Ovakav pogled ignorira temeljnu arhitekturu generativnih sustava. Oni su dizajnirani za predviđanje sljedećeg tokena na temelju statističkih vjerojatnosti, a ne za razumijevanje uzročno-posljedičnih veza. Kada model ponudi naizgled briljantno rješenje, on ne primjenjuje apstraktno razmišljanje. On samo reciklira uzorke iz svojih podataka za obuku. Problem nastaje kada se suočimo s novim situacijama koje zahtijevaju pravu prosudbu, kontekst i etičku procjenu. Statistika jednostavno nije isto što i semantika.

Posljedice u stvarnom svijetu

Ako nastavimo tretirati alate bazirane na velikim jezičnim modelima kao misleće entitete, suočit ćemo se s erozijom ljudske odgovornosti. Tvrtke koje prepuštaju donošenje odluka ovim sustavima izgubit će sposobnost dubokog promišljanja i rješavanja problema. Dobitnici u ovom scenariju bit će samo oni koji prodaju računalnu moć, dok će gubitnici biti organizacije koje će zbog nedostatka pravog razumijevanja donositi katastrofalne poslovne odluke.

Završni stav

Generativni modeli su iznimno korisni alati za obradu informacija, ali ne posjeduju sposobnost razumijevanja. Prava inovacija ne leži u delegiranju razmišljanja strojevima, već u korištenju strojeva za oslobađanje vremena u kojem će ljudi moći misliti još dublje i kvalitetnije.


Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef

Povezano

Pročitajte i ovo

Još nekoliko objava koje šire kontekst oko tema, kompanija i AI trendova iz ove priče.

Ilustracija razlike između današnjih AI alata i opće umjetne inteligencije
Analiza

Zašto AGI nije ni blizu usprkos obećanjima tehnoloških divova

Hype oko opće umjetne inteligencije zamagljuje stvarna ograničenja današnjih jezičnih modela.

Ilustracija uz vijest o AlphaGenome Atlasu
AI vijesti

DeepMind predstavio moćni AlphaGenome Atlas

Nova baza podataka koja sadrži predviđanja za 9 milijardi mogućih jednoslovnih mutacija u ljudskom genomu.

Ilustracija uz komentar: Umjetna inteligencija i stvarna produktivnost developera
Analiza

Umjetna inteligencija i stvarna produktivnost developera

Zašto AI alati za programiranje udaraju u zid složenosti i zašto pisanje koda nije jedini posao inženjera.