Искусственный интеллект далек от уровня человеческого разума даже в простых задачах повышенной сложности, показали результаты исследования компании Apple. Модели искусственного интеллекта демонстрируют полное падение точности при обработке сложных проблем, несмотря на значительные вычислительные ресурсы и алгоритмы цепочки рассуждений. Об этом сообщает Live Science.
![]()
Фото из открытых источников
Исследователи провели серию экспериментов с передовыми моделями глубокого обучения, включая такие известные разработки, как Claude, o3 от OpenAI и R1 от DeepSeek. Эти модели позиционируются как специализированные системы, способные достигать высокой точности благодаря использованию многоступенчатого подхода («цепочка мыслей»), позволяющего пошагово обрабатывать запросы и анализировать данные.
Однако эксперимент показал, что повышение сложности задач ведет к значительному снижению производительности моделей. Когда сложность превышает определенный порог, точность резко падает практически до нуля, причем проблема усугубляется увеличением объема данных и вычислений.
Исследование подчеркивает ключевое ограничение существующих подходов к развитию искусственного интеллекта: отсутствие истинного понимания концепций и контекста. Современные модели работают исключительно на статистическом анализе больших объемов данных, что приводит к эффекту «галлюцинаций»: ложному выводу информации, отсутствию реальных фактов и созданию ошибочных выводов.
Хотя исследователи отмечают необходимость дальнейшего изучения этих вопросов, пока ни одна из ведущих компаний не смогла предложить решение проблемы снижения эффективности при повышении сложности задач.
Эти выводы ставят под сомнение заявления крупных технологических корпораций о скором достижении искусственного общего интеллекта (AGI), способного превзойти человеческий разум почти во всех областях деятельности.
Некоторые эксперты считают данное исследование важным вкладом в развитие науки о моделировании машинного обучения. Они призывают исследователей вернуться к изучению фундаментальных аспектов искусственных нейронных сетей, отказавшись от попыток представить их как универсальные инструменты решения любых задач.
