Τα τεστ νοημοσύνης που δυσκολεύουν την AI: Πού υπερτερεί ακόμα ο ανθρώπινος νους

Από τα πρώτα βήματα της πληροφορικής, τα παιχνίδια στρατηγικής και οι γρίφοι αποτέλεσαν το κατεξοχήν πεδίο δοκιμής για την εξέλιξη των αλγορίθμων. Ήδη από το 1959, όταν ο επιστήμονας υπολογιστών της IBM, Άρθουρ Σάμιουελ, καθιέρωσε τον όρο «μηχανική μάθηση» αναπτύσσοντας ένα πρόγραμμα για ντάμα, μέχρι τους σύγχρονους θριάμβους στο σκάκι και το Go, οι διανοητικές προκλήσεις μετρούν την πρόοδο των συστημάτων. Ωστόσο, παρά τη ραγδαία ανάπτυξη της σύγχρονης τεχνολογίας, ορισμένα φαινομενικά απλά τεστ συνεχίζουν να αποκαλύπτουν τα όρια της μηχανικής σκέψης.

Η αλματώδης πρόοδος και τα νέα όρια των μοντέλων

Η ικανότητα των μοντέλων Τεχνητής Νοημοσύνης στην επίλυση γρίφων βελτιώνεται με εντυπωσιακή ταχύτητα. Ενδεικτικό είναι το παράδειγμα του δημοφιλούς παιχνιδιού λέξεων και συσχετίσεων Connections της εφημερίδας The New York Times. Ενώ στα τέλη του 2024 ερευνητική ομάδα από το Πανεπιστήμιο Κολούμπια διαπίστωσε ότι ακόμα και τα πιο προηγμένα συστήματα έλυναν μόλις το 18% των δοκιμασιών, μέσα σε λίγους μήνες νεότερα μοντέλα κατάφεραν να επιτύχουν σχεδόν τέλειες επιδόσεις.

Παρά τα εντυπωσιακά αυτά άλματα, η ανάλυση των σημείων όπου οι μηχανές σκοντάφτουν προσφέρει πολύτιμα συμπεράσματα για τις θεμελιώδεις διαφορές μεταξύ ανθρώπινης και τεχνητής νόησης. Μικρές, ανεπαίσθητες παραλλαγές σε κλασικούς λογικούς γρίφους συχνά αποπροσανατολίζουν τα συστήματα, αναδεικνύοντας ότι πολλές φορές βασίζονται στην αποστήθιση προτύπων παρά στην ουσιαστική κατανόηση.

Η αδυναμία στη χωρική αντίληψη και την τρισδιάστατη σκέψη

Το μεγαλύτερο συγκριτικό πλεονέκτημα του ανθρώπινου εγκεφάλου απέναντι στην AI εντοπίζεται στη χωρική συλλογιστική (spatial reasoning). Χαρακτηριστικό παράδειγμα αποτελούν τα τεστ νοημοσύνης που περιλαμβάνουν προβλήματα νοερής περιστροφής (mental rotation), όπου ο εξεταζόμενος καλείται να αναγνωρίσει αν διαφορετικές εικόνες αναπαριστούν το ίδιο τρισδιάστατο αντικείμενο από άλλη οπτική γωνία.

Παρότι τα σύγχρονα πολυτροπικά γλωσσικά μοντέλα (LLMs) έχουν εκπαιδευτεί να αναλύουν εικόνες, εξακολουθούν να αποτυγχάνουν σε τέτοιου είδους γεωμετρικές ασκήσεις. Η δυσκολία αυτή αποδεικνύει ότι, παρά τις συζητήσεις γύρω από τα λεγόμενα «μοντέλα κόσμου» (world models), οι αλγόριθμοι δυσκολεύονται ακόμη να χειριστούν νοητά φυσικά αντικείμενα στον τρισδιάστατο χώρο με τον τρόπο που το πράττει φυσικά ένας αρχιτέκτονας ή ένας μηχανικός.

Η διαφορά ανάμεσα στην επεξεργασία δεδομένων και τη νόηση

Η αποτυχία των μοντέλων σε βασικά τεστ αντίληψης υπενθυμίζει ότι η υπολογιστική ισχύς δεν ταυτίζεται απαραίτητα με την ευφυΐα. Όσο η τεχνολογία εξελίσσεται, η σύγκριση ανθρώπινης και τεχνητής σκέψης μέσα από γρίφους παραμένει ο ασφαλέστερος τρόπος για να κατανοήσουμε όχι μόνο τις δυνατότητες της AI, αλλά και τη μοναδική πολυπλοκότητα του ανθρώπινου εγκεφάλου.