Μια πρόσφατη μελέτη διαπίστωσε ότι τα παιδιά συνθλίβουν απολύτως τα εργαλεία AI σε βασικές εργασίες επίλυσης προβλημάτων και σκέψης, με τους επιστήμονες να διαπιστώνουν ότι η τεχνητή νοημοσύνη έχει ένα σοβαρό τυφλό σημείο: την καινοτομία.
Η μελέτη, που διεξήχθη από ερευνητές του Πανεπιστημίου της Καλιφόρνιας, Berkeley και δημοσιεύθηκε στο περιοδικό Perspectives on Psychological Science, παρέχει μια συναρπαστική ματιά στην ικανότητα – ή την έλλειψη – των διαθέσιμων προγραμμάτων μεγάλων γλωσσικών μοντέλων να παράγουν πραγματικά νέες ιδέες. Εκπαιδευμένα σε αμέτρητα gigabytes δεδομένων που δημιουργούνται από τον άνθρωπο, τα εργαλεία AI είναι απίστευτα καλά σε προγνωστικές εργασίες με επίκεντρο τη στατιστική. Εξάλλου, η τεχνητή νοημοσύνη δεν είναι ανθρώπινη, αλλά είναι επιφορτισμένη με τη μίμηση και η μίμηση έρχεται εγγενώς σε αντίθεση με την πραγματικά φρέσκια, ευφάνταστη και εφευρετική σκέψη.
Αλλά ενώ αυτό το ταλέντο για αντιγραφή και εύρεση μοτίβων κάνει τα προγράμματα AI καλά σε ορισμένες εργασίες, αντίθετα φαίνεται να υστερούν στα … στοιχειώδη.
Τα παιδιά από την άλλη σε αντίθεση με την AI, με καινοτόμες δεξιότητες καταφέρνουν την επίλυση προβλημάτων – υποδηλώνοντας ότι υπάρχει κάτι περισσότερο στην ανθρώπινη κατανόηση και συλλογιστική από ό, τι μπορεί να αναπαράγει η μαζική κατανάλωση δεδομένων.
Η μελέτη επικεντρώθηκε σε μεγάλο βαθμό στη χρήση εργαλείων, ιδιαίτερα στην καινοτομία εργαλείων, ως μέσο δοκιμής δεξιοτήτων επίλυσης προβλημάτων στα θέματά της.
Η καινοτομία εργαλείων, όπως το έθεσαν οι ερευνητές, «μπορεί να περιλαμβάνει το σχεδιασμό νέων εργαλείων από το μηδέν, αλλά μπορεί επίσης να αναφέρεται στην ανακάλυψη και τη χρήση παλαιών εργαλείων με νέους τρόπους για την επίλυση νέων προβλημάτων».
Με άλλα λόγια, η ικανότητα καινοτομίας δεν σημαίνει απλώς την εφεύρεση ενός νέου αντικειμένου, όπως ένας λαμπτήρας ή ένα αεροπλάνο. Σημαίνει επίσης ότι μπορείτε να χρησιμοποιήσετε τα υπάρχοντα εργαλεία με μη συμβατικούς τρόπους.
Έτσι, για να δοκιμάσουν τις ικανότητες καινοτομίας κάθε ομάδας, οι ερευνητές παρουσίασαν σε 4 διαφορετικά μοντέλα AI και σε παιδιά, όλα ηλικίας τριών έως επτά ετών, μια «σειρά προβλημάτων στα οποία ένας στόχος πρέπει να εκτελεστεί απουσία του τυπικού εργαλείου».
Σε ένα τέτοιο τεστ, για παράδειγμα, οι ερευνητές ζήτησαν από τους συμμετέχοντες να σχεδιάσουν έναν κύκλο – αρκετά απλό! Αλλά αντί να παρέχουν ένα πιο συμβατικό εργαλείο σχεδίασης κύκλου, όπως μια πυξίδα ή ένα στένσιλ, οι συμμετέχοντες είχαν την επιλογή να χρησιμοποιήσουν είτε ένα χάρακα, είτε μια τσαγιέρα ή μια σόμπα για να ολοκληρώσουν την εργασία. Η μελέτη διαπίστωσε ότι το 85% των περιπτώσεων, τα παιδιά επέλεξαν σωστά, επιλέγοντας την τσαγιέρα στρογγυλής βάσης για να χρησιμεύσει ως αυτοσχέδιο στένσιλ για την εργασία τους.
Τα AI που αντλούν πόρους, εν τω μεταξύ, συνέχισαν να χρησιμοποιούν τον χάρακα. Μόλις ένα από τα προγράμματα AI πλησίασε την επιτυχία των παιδιών σε ποσοστό 76%.
Το γεγονός ότι οι AI συνέχισαν να επιλέγουν τον χάρακα είναι αξιοσημείωτο. Για τους περισσότερους ανθρώπους, προφανώς ακόμη και για τα παιδιά, η επλογή αυτή δεν εξυπηρετεί τον στόχο. Αλλά και πάλι, η τεχνητή νοημοσύνη είναι προγνωστική, και στις παρεχόμενες επιλογές, ένας χάρακας είναι το μόνο αντικείμενο που χρησιμοποιείται συμβατικά για να σχεδιάσει ορισμένα σχήματα. Οι τσαγιέρες, είναι φτιαγμένες για τσάι. Έτσι, με τη λογική του AI, ο χάρακας έχει περισσότερο νόημα.
Τα AI έπεσαν επίσης στο κενό σε μια δοκιμή της ικανότητας να συνάγουν νέες αιτιώδεις δομές, δηλαδή την ικανότητα διερεύνησης νέων μέσων αιτίας – αποτελέσματος για την επίτευξη ορισμένων στόχων.
Σύμφωνα με τη μελέτη, οι ερευνητές εισήγαγαν σε κάθε ομάδα έναν εικονικό «ανιχνευτή blicket», ένα αντικείμενο που ανάβει και παίζει μουσική όταν τοποθετείται σε ορισμένα αντικείμενα. Στόχος ήταν να ελεγχθεί εάν ένα AI ή ένα παιδί μπορεί να κάνει μελετημένες παρατηρήσεις σχετικά με ένα γεγονός και να συμπεράνει μια αιτία-αποτέλεσμα από τα πειράματα και τις παρατηρήσεις τους.
Για άλλη μια φορά, κατά τη διάρκεια αυτών των δοκιμών, τα παιδιά διέπρεψαν, με τους ερευνητές να γράφουν ότι «ακόμη και τα παιδιά ηλικίας 4 ετών ενήργησαν αυθόρμητα στα συστήματα και ανακάλυψαν τη δομή τους – κατάλαβαν ποια ήταν blickets και τα χρησιμοποίησαν για να κάνουν το μηχάνημα να λειτουργήσει». Αντίθετα, σύμφωνα με τη μελέτη, οι AIs «αγωνίστηκαν να παράγουν τις σχετικές αιτιώδεις δομές, ακόμη και μετά από τεράστιες ποσότητες εκπαίδευσης σε σύγκριση με τα παιδιά».
Υπάρχουν κάποιες επιφυλάξεις στη μελέτη, κυρίως το γεγονός ότι είναι δύσκολο να μετρηθεί και να συγκριθεί η ανθρώπινη νόηση με εκείνη της τεχνητής , όταν εύπλαστες έννοιες όπως η «νοημοσύνη» δεν έχουν ευρέως αποδεκτούς ορισμούς.
Αλλά η έρευνα είναι συναρπαστική και μπορεί κάλλιστα να ενισχύσει την ιδέα ότι αν και τα μοντέλα τεχνητής νοημοσύνης έχουν σχεδιαστεί σε μεγάλο βαθμό σύμφωνα με την εικόνα του ανθρώπινου εγκεφάλου, οι διαδικασίες συλλογισμού τους παραμένουν εγγενώς διαφορετικές από αυτές των ανθρώπων. Παρόμοια με κάποιους τρόπους, σίγουρα, αλλά σίγουρα όχι το ίδιο.
