Umjetna inteligencija: Izazovi u čitanju vremena
Umjetna inteligencija (AI) doživjela je značajan napredak u posljednjem desetljeću, prelazeći iz faze koja je nalikovala hororu do zapanjujuće generacije slika i tekstova. Dok AI često pruža točne informacije, ponekad samouvjereno iznosi netočne podatke kada ne zna odgovor. Međutim, postoje zadaci u kojima ljudi i dalje nadmašuju AI.
Tehnološki izazovi u razumijevanju vremena
Jedan od zadataka u kojem AI ne može parirati maloj djeci je čitanje vremena. Kako navode autori novog istraživanja, “sposobnost interpretacije i rezoniranja o vremenu na temelju vizualnih podataka ključna je za mnoge stvarne primjene—od zakazivanja događaja do autonomnih sustava.” Iako se istraživanje umjetne inteligencije fokusira na detekciju objekata i razumijevanje scena, AI modeli i dalje imaju problema s osnovama poput satova i kalendara.
Osnovni problemi razumijevanja
Mnogi će reći da čitatelji analognog sata i razumijevanje kalendara uključuju složene kognitivne procese. Ovi procesi zahtijevaju finu vizualnu prepoznavanje (npr., položaj kazaljki, raspored dana) i složeno numeričko rezoniranje (npr., izračunavanje offseta dana). Autori istraživanja iz Edinburgha testirali su sedam AI modela s jednostavnim pitanjima vezanim uz vrijeme.
- Identifikacija vremena na slici analognog sata.
- Raznoliki zadaci vezani uz kalendare.
Rezultati su pokazali da AI modeli nisu uspjeli dobro odgovoriti ni na najosnovnije zadatke prostora čitanja vremena, dobivajući točan odgovor manje od 25% vremena, posebice na satovima s rimskim brojevima ili stiliziranim kazaljkama. Na primjer, kada je model OpenAI Chat GPT-01 prikazan sat koji pokazuje 4:00, pogodio je “12:15”, dok je Claude-3.5-S odaberio “11:35”.
Performanse na kalendaru
Što se tiče zadataka vezanih uz kalendare, modeli su imali nešto bolju izvedbu, pogriješili su oko 20% vremena. Postavljana su pitanja poput “Koji je dan u tjednu Božić?” i “Koji je tjedan 100. dan u godini?”. Kako su naveli autori, “zatvoreni modeli poput GPT-01 i Claude-3.5 nadmašuju otvorene modele na popularnim blagdanima, što potencijalno odražava zapamćene obrasce u podacima za obuku.” Međutim, točnost se znatno smanjuje za manje poznate ili aritmetički zahtjevne upite.
Zaključak: Potreba za napretkom
Prema istraživačkom timu, rezultati pokazuju da AI modeli i dalje imaju poteškoća s razumijevanjem i rezoniranjem o vremenu, što zahtijeva kombinaciju vizualne percepcije, numeričkog računanja i strukturiranog logičkog zaključivanja. Bez napretka u ovim područjima, stvarne primjene poput zakazivanja događaja mogle bi biti sklone pogreškama.
“Istraživanje umjetne inteligencije danas često naglašava složene zadatke rezoniranja, ali ironično, mnogi sustavi i dalje imaju problema s jednostavnim, svakodnevnim zadacima,” izjavio je Aryo Gema iz Informatike u Edinburghu i suautor istraživanja. “Naša saznanja sugeriraju da je krajnje vrijeme da se pozabavimo ovim osnovnim prazninama. Inače, integracija AI u stvarne, vremenski osjetljive aplikacije mogla bi ostati na rubu propasti.”
Nova studija već je dostupna na pre-print serveru arXiv, s nadom da će potaknuti daljnje istraživanje i razvoj ovih ključnih područja u umjetnoj inteligenciji.
