tekoäly
Uusi testi osoittaa, että kuvista ymmärtävät kielimallit kompastuvat yhä tehtäviin, jotka ihmiset ratkaisevat vaistolla – ja se kertoo, mitä koneilta oikeasti vielä puuttuu. Muistatko koulusta tehtävän, jossa piti päätellä, mikä kuvio sopii tyhjän ruudun paikalle? Neliö muuttuu ympyräksi, nuoli kääntyy, raita siirtyy yhdellä pykälällä – ja jostakin vaihtoehdoista löytyy sama sääntö. Moni
tekoäly
Uusi harjoitustapa palkitsee erikseen sen, mitä malli poimii kuvasta ja miten se päättelee vastauksen – ja nosti tarkkuutta kahdeksassa vertailussa. Kuvittele kysyväsi lapselta valokuvasta: “Kuinka monta koiraa näkyy?” Jos lapsi vastaa oikein, et välttämättä tiedä, laskiko hän karvaturrit todella vai arvasiko. Jos vastaus on väärä, et tiedä, sattuiko virhe siksi, ettei
tekoäly
Uusi pelipohjainen mittari vihjaa, että tekstintuottavien tekoälyjen päättely lähestyy luonnollisia tilanteita – ja kehittyy nopeasti. Kuvittele ilta ystävien kanssa. Pöydälle on levitetty salapoliisipeli, jossa vihjeitä tipahtelee vähitellen: vaivihkainen todistajanlausunto, nurkasta löytynyt käsine, ristiriitainen alibi. Et vastaa monivalintaan etkä täytä ruutua kaavalla, vaan muotoilet oman näkemyksesi siitä, mitä tapahtui – ja muutat sitä,
tekoäly
Tuoreen tutkimuksen mukaan mallit voivat yltää parempiin vastauksiin ja säästää laskentaa, kun ne opetetaan etsimään mahdollisimman lyhyttä oikeaa selitystä pitkän jaarittelun sijaan. Moni on kokenut sen: kysyt tekoälyltä arvoituksen tai pienen päässälaskun, ja saat vastaukseksi kymmenien rivien mittaisen selostuksen. Oikea lopputulos saattaa löytyä lopusta, mutta mieli kysyy: eikö tämän olisi
tekoäly
Ihminen harvoin ratkaisee ongelman yhdellä tavalla alusta loppuun. Ensin hahmotellaan, sitten ideoidaan, sen jälkeen karsitaan ja lopuksi tehdään täsmällisesti. Tuore tekoälytutkimus väittää, että myös koneet hyötyvät tästä rytmistä. Kokoonpanopaketin avaava huomaa pian, ettei sama ote riitä joka vaiheessa. Ensin täytyy katsoa, mikä osa sopii mihin (tilan hahmottaminen). Kun jokin ei
tekoäly
Kun kysyy tekoälyltä terveysaiheisen kysymyksen, vastaus tulee usein sujuvasti – mutta syy-seurausketju jää piiloon. Jos pyytää perustelemaan askel askeleelta, malli alkaa helposti hapuilla. Tämä on tuttu ristiriita: kielimallit loistavat matematiikan kaavoissa ja ohjelmointitehtävissä, mutta kompuroivat erikoisalojen monivaiheisessa päättelyssä. Viime vuodet ovat opettaneet yhden perusvireen: suurempi malli ja enemmän dataa tuottaa