В ходе эксперимента под руководством Сукету Пателя ведущие ИИ-системы, включая GPT-4o, Claude 3.5 Sonnet и Gemini 2.5, столкнулись с задачей на подавление автоматических реакций. Суть испытания заключалась в назывании цвета чернил, которыми написано слово, обозначающее другой цвет. Пока списки оставались короткими, алгоритмы демонстрировали уверенную точность, однако при увеличении нагрузки их эффективность стремительно падала.
Искусственный интеллект теряет концентрацию на длинных задачах
Исследователи адаптировали классический психологический тест Струпа для проверки языковых моделей и обнаружили критический изъян в их работе. Оказалось, что современные нейросети не способны удерживать внимание при выполнении объемных заданий, неизбежно скатываясь к примитивному чтению текста вместо выполнения заданных инструкций.
Результаты оказались показательными: GPT-4o при пяти словах выдавал 91% верных ответов, но при сорока пунктах показатель проседал до 15%. Модели будто теряли изначальную установку, возвращаясь к базовому алгоритму простого чтения слов. Исследователи объясняют этот феномен неспособностью нейросетей поддерживать произвольное внимание, что принципиально отличает их когнитивные процессы от человеческих. В отличие от людей, умеющих подавлять привычные паттерны при длительной работе, алгоритмы оказываются заложниками собственных тренировочных данных, которые в конечном итоге пересиливают заданный контекст.
Комментарии (0)
Пока нет комментариев. Будьте первым!