ChatGPT ва бошқа машҳур чат-ботлар икки баравар кўпроқ ёлғон гапира бошлади – тадқиқот

Янги тадқиқотга кўра, сунъий интеллектга (СИ) эга чат-ботлар ўртача икки баравар кўп ёлғон жавоб бера бошлади. Кўпинча Inflection, Perplexity ва Meta сунъий интеллект моделлари «фейк»ларни ҳақиқатдек тақдим қилмоқда.

Таҳлил доирасида NewsGuard тадқиқотчилари 10 та «етакчи» чат-ботни синаб кўрди, уларга сиёсат, бизнес ва соғлиқни сақлаш соҳаларидан ўнта ёлғон маълумотларни юбориб, уларнинг ҳақиқийлигини текширишни сўради.

Тез ўсиб бораётган сунъий интеллект қидирув тизимларидан бири бўлган Perplexity’да бу кўрсаткич 0 фоиздан 47 фоизгача ошди. ChatGPT улардан узоқлашмади – OpenAI сунъий интеллект модели 40 фоиз ҳолларда хато қилган. Anthropic’дан Claude AI ва Google’дан Gemini энг кам «нотўғри маълумот берган» – мос равишда 10 фоиз ва 17 фоиз ҳолларда.

Мутахассислар хатолар сонининг кўпайишини чат-ботлар энди саволларга жавоб беришдан бош тортмаётгани билан изоҳламоқда, ҳатто маълумотлар етарлича текширилмаган бўлса ҳам. Ўтган йилнинг шу даврида улар тахминан учта ҳолатдан биттасида жавоб беришдан бош тортган эди.

Бунинг сабаби сунъий интеллект воситаларини ўқитиш усулининг ўзгаришида, деди тадқиқотчилар. Аввалгидек маълумотлар базасига ҳавола қилиш ўрнига, нейрон тармоқлар энди маълумотларни интернетдан реал вақт режимида олмоқда, аммо ҳаволаларнинг мавжудлиги моделлар тақдим қиладиган манбаларнинг сифати ва ишончлилигини кафолатламайди.

Сунъий интеллект моделлари учун яхлит бенчмарк ишлаб чиқувчи Giskard компанияси ўтказган тадқиқот шуни кўрсатдики, чат-ботлардан қисқа жавоб бериш сўралса, улар кўпинча ёлғон гапиради. Нейрон тармоғи лўнда жавоб сўралганда ҳар доим аниқликни эмас, балки қисқаликни танлайди.

kun.uz