Anggalih Prasetya/Shutterstock/FOTODOM 📷

Международен екип от изследователи тества водещи езикови модели, използвайки теста Струп, класически психологически инструмент за измерване на концентрацията. Резултатите бяха изненадващи: колкото по-дълга е задачата, толкова по-зле се представя AI — до степен на почти пълен провал. Творбата е публикувана в сп. PNAS Nexus.

Тестът на Струп е следният: на субекта се показват цветни думи, написани с цветно мастило и се иска да назове цвета на мастилото, като игнорира самата дума. Например думата «червено», написана със синьо, изисква отговор «синъо». Хората се справят с това стабилно дори при дълги списъци — мозъкът може да потисне автоматичните реакции.

Учените, ръководени от Сукету Пател, предложиха този тест на GPT-4o, Claude 3.5 Sonnet, GPT-5, Claude Opus 4.1 и Gemini 2.5. С кратки списъци (5 думи) всички системи работеха добре. С увеличаването на дължината точността рязко спадна: GPT-4o даде 91% верни отговори при 5 думи, при 10 — вече 57%, при 40 — само 15%. Claude 3.5 издържа до 20 думи, след което се срина до 24%.

Според авторите, моделите «забравят» инструкциите и се връщат към това, което са най-обучени да правят — четат думи. Това фундаментално ги отличава от хората, които са в състояние да поддържат устойчиво доброволно внимание.

 

Газета.Ru  

да разберат, че няма начин един логически ситуиран софтуер ще е в състояние да поддържа пропагандни клишета. Явно възможностите да кажеш на бялото черно са ограничени до няколко на брой пъти...

Да, това е все едно да сравним ноосферата с биоробот.