Πόσοι χαρακτήρες και ποια είναι η ακριβής καταγραφή τους; Η Google αναφέρει ότι υπάρχουν δύο «P» και ένα «r» στη λέξη «κακ». Αλλά, στην πραγματικότητα, το AI της Google φαίνεται να διαπράττει συχνά ορθογραφικά λάθη, που προκαλούν απορίες και ανησυχίες.
Η τελευταία αναβάθμιση της Google για την αναζήτηση μέσω τεχνητής νοημοσύνης (AI) έφερε στο φως κάποιες ασυνήθιστες γλωσσικές επιδόσεις, όπως η αναφορά στον πρόεδρο των ΗΠΑ με λανθασμένο τρόπο (trpum) και μια σειρά από άλλα αστεία ορθογραφικά σφάλματα. Φαίνεται ότι παρά την πρόοδο της τεχνητής νοημοσύνης, οι προκλήσεις όσον αφορά τη γλωσσική κατανόηση εξακολουθούν να παραμένουν σημαντικές.
Δεν είναι τυχαίο ότι η Google έχει ξαναβρεθεί σε παρόμοια κατάσταση στο παρελθόν, όταν η αρχική της προσπάθεια με τα AI Overviews είχε οδηγήσει σε λανθασμένες και σατιρικές προτάσεις. Σήμερα, με το AI να είναι στο κέντρο της στρατηγικής της Google, οι επιδόσεις του είναι πιο κρίσιμες από ποτέ, καθώς οι χρήστες περιμένουν ακρίβεια και αξιοπιστία.
«Η μέτρηση μέσα στις λέξεις είναι μια γνωστή πρόκληση για τα LLM και εργαζόμαστε εντατικά για να βελτιώσουμε αυτόν τον τομέα», δήλωσε εκπρόσωπος της Google στην πλατφόρμα TechCrunch.
Αυτά τα ορθογραφικά σφάλματα μπορεί να φαίνονται ασήμαντα, όμως αναδεικνύουν ένα σημαντικό πρόβλημα. Τα μεγάλα γλωσσικά μοντέλα (LLM) που τροφοδοτούν τα chatbots δεν έχουν σχεδιαστεί για να κατανοούν την ορθογραφία και την γλωσσική δομή με τον τρόπο που το κάνουν οι άνθρωποι. Συχνά, τα μοντέλα LLM, παρά την ικανότητά τους να προσφέρουν εντυπωσιακές λύσεις σε σύνθετα προβλήματα, αποτυγχάνουν σε απλές γλωσσικές δοκιμασίες.
Οι δέσμες των σφαλμάτων από την πλευρά της Google είναι ενδεικτικές των περιορισμών που έχουν τα AI μοντέλα. Για παράδειγμα, ένα προηγούμενο πρόβλημα όσον αφορά την αναζήτηση της λέξης “παραβλέπω”, παρουσίαζε έναν ορισμό που φαινόταν κατάλληλος, ωστόσο αποδείχθηκε ότι ήταν «Κατανοητό. Ενημερώστε με όποτε έχετε ένα νέο μήνυμα ή ερώτηση!» Αν και αυτά τα λάθη μπορεί να προσφέρουν γέλιο, είναι αναμφισβήτητο ότι προκαλούν σημαντικές αμφιβολίες γύρω από την αξιοπιστία της τεχνητής νοημοσύνης.
Συχνά, αναλυτές και ερευνητές τονίζουν ότι τα LLM δεν αντιλαμβάνονται τις προτάσεις ως γλωσσικές μονάδες, αλλά αναλύουν το κείμενο σε «διακριτά» στοιχεία, όπως είναι οι λέξεις, οι συλλαβές ή οι χαρακτήρες. Αντί να «διαβάζουν» όπως οι άνθρωποι, τα μοντέλα αυτά μετατρέπουν το κείμενο σε αριθμητικές αναπαραστάσεις, που επεξεργάζονται για να παρέχουν λογικές απαντήσεις.
«Η δομή που χρησιμοποιούν τα LLM βασίζεται στη μετατροπή, η οποία δεν προσεγγίζει την κατανόηση του κειμένου. Όταν έρχεται για μια πρόταση, μεταφράζεται σε μορφή κωδικοποίησης», εξηγεί ο ερευνητής Matthew Guzdial από το Πανεπιστήμιο της Αλμπέρτα. «Όταν συναντά τη λέξη «η», έχει προγραμματιστεί να αναγνωρίζει τη σημασία του “το”, αλλά δεν κατανοεί τα γράμματα Τ, Η, Ε».
Η περιοριστική φύση της αρχιτεκτονικής που στηρίζει αυτά τα μοντέλα δεν επιτρέπει στο AI να εξελιχθεί και να ξεπεράσει τα προβλήματα της ορθογραφίας, κάτι που απογοητεύει πολλούς ερευνητές.
«Το ερώτημα που προκύπτει είναι τι ακριβώς πρέπει να είναι μια «λέξη» για ένα γλωσσικό μοντέλο, και αν καταλήξουμε σε μια ιδανική φόρμα, σίγουρα τα μοντέλα θα συνεχίσουν να κομματιάζουν τις λέξεις», δήλωσε ο Sheridan Feucht, από το Northeastern University. «Η έννοια της «λέξης» θα παραμείνει αμφίβολη».
Ωστόσο, ενώ οι αρνητικές πτυχές αυτών των σφαλμάτων είναι προφανείς, οι ερευνητές δεν θεωρούν ότι το θέμα είναι επείγον. Η τεχνητή νοημοσύνη, παρά τις αδυναμίες της, προσφέρει πολλές ωφέλιμες υπηρεσίες στις καθημερινές μας ανάγκες. Ωστόσο, είναι σημαντικό να μην εμπιστευόμαστε τυφλά τις εξόδους της τεχνητής νοημοσύνης χωρίς επαλήθευση.
Όταν αγοράζετε μέσω συνδέσμων στα άρθρα μας, ενδέχεται να κερδίσουμε μια μικρή προμήθεια. Αυτό δεν επηρεάζει τη συντακτική μας ανεξαρτησία.
## Η άποψη του TechNoid.gr
Η πρόσφατη ανακοίνωση της Google μπορεί να φαντάζει αστεία σε κάποιες περιπτώσεις, αλλά είναι ενδεικτική του πόσο δύσκολη είναι η επίτευξη ακριβούς γλωσσικής κατανόησης από τις μηχανές. Ως χρήστες, είναι κρίσιμο να κατανοούμε τις δυνατότητες και τους περιορισμούς της τεχνητής νοημοσύνης. Είτε χρησιμοποιούμε την AI για αναζητήσεις είτε για δημιουργικές εργασίες, πρέπει να διατηρούμε μια κριτική στάση. Αναμένοντας τη βελτίωση αυτών των συστημάτων, δεν πρέπει να ξεχνάμε ότι η ανθρώπινη κατανόηση είναι αξεπέραστη.
