لماذا لا يستطيع الذكاء الاصطناعي في Google تهجئة كلمة Google (أو أي شيء آخر)
كم عدد P هناك في جوجل؟ وفقا لجوجل، هناك نوعان.
هناك أيضًا “1 r تمامًا” في كلمة “poop”، وفقًا لمراجعة Google AI، بالإضافة إلى حرفين “d” في كلمة “صحافة”، على الرغم من أن تهجئتها هي: “صحافة”. وجدت جوجل على الأقل أن هناك حرف P واحد في اسم الرئيس الأمريكي، ولكن تم تهجئته كـ trpum.
لا يتطلب الأمر نبيًا للتنبؤ بأن إصلاح البحث المتقدم المدعوم بالذكاء الاصطناعي من Google سينتهي بشكل سيئ. لقد فعلنا هذا من قبل. عندما أضافت جوجل لأول مرة مراجعات الذكاء الاصطناعي إلى محرك البحث الخاص بها، استشهدت الميزة بمنشورات ساخرة من The Onion وReddit تنصح الناس بأكل الصخور ووضع الغراء على البيتزا.
هذه المرة، مع مضاعفة جوجل التزامها بجعل الذكاء الاصطناعي التوليدي هو محور منتجها الرائد البالغ من العمر 29 عامًا، فليس من المستغرب أن تتعثر.
وقالت جوجل في بيان أرسل عبر البريد الإلكتروني إلى TechCrunch: “لقد كان عدد الكلمات تحديًا معروفًا لـ LLM ونحن نعمل على حل هذه المشكلة المحددة”.
قد تبدو هذه الأخطاء الإملائية الأساسية مألوفة. LLMs، وهو نوع الذكاء الاصطناعي الذي يدعم برامج الدردشة ومولدات النصوص الأخرى، ليس مصممًا لفهم التهجئة. لقد كانت نكتة مستمرة لسنوات أنه في كل مرة تكشف فيها شركة عن نموذج جديد للذكاء الاصطناعي، يجب عليك أن تسأل كم عدد حروف “r” في كلمة “الفراولة”. إن نماذج الذكاء الاصطناعي هذه، التي يمكنها برمجة تطبيق ما في ثوانٍ أو حل المشكلات التي حيرت علماء الرياضيات لعقود من الزمن، تكاد تكون جيدة في التهجئة مثل طفل في مرحلة ما قبل المدرسة.
لكن المشاكل المتعلقة بإصلاح الذكاء الاصطناعي في جوجل تتجاوز الأخطاء الإملائية الغبية. لقد قامت Google بالفعل بتصحيح مشكلة من الأسبوع الماضي حيث سيؤدي البحث عن كلمة “تجاهل” إلى ما يبدو أنه تعريف قاموس للكلمة، وتم عرض التعريف فقط على أنه “أفهم. اسمحوا لي أن أعرف كلما ظهرت مطالبة أو سؤال جديد!” لكن هذه الأخطاء الإملائية تظل مضحكة لأنه من الصعب للغاية التخلص منها.
وكما أوضح الباحثون سابقاً عندما سألنا عن الألغاز الإملائية، فإن الذكاء الاصطناعي لا يرى الجمل كوحدات لغوية تتكون من كلمات وحروف. تعتمد العديد من شهادات LLM على نماذج المحولات التي تقسم النص إلى رموز، والتي يمكن أن تكون كلمات كاملة أو مقاطع لفظية أو أحرف، اعتمادًا على النموذج. وبدلاً من “قراءته” كما يفعل الإنسان، يقوم الذكاء الاصطناعي بتحويل النص إلى تمثيلات رقمية لنفسه، والتي يتم بعد ذلك وضعها في السياق لمساعدة الذكاء الاصطناعي في العثور على إجابة منطقية.
اعتمادات الصورة:تك كرانش
وقال ماثيو جوزديال، الباحث في الذكاء الاصطناعي والأستاذ المساعد في جامعة ألبرتا، لـ TechCrunch: “يعتمد توطين LLM على بنية المحولات، والتي لا تعتمد على وجه التحديد على قراءة النص. بمجرد إدخال الموجه، تتم ترجمته إلى ترميز”. “فعندما يرى كلمة “ال” فإن لها تشفيرًا واحدًا لمعنى “ال” لكنه لا يعرف شيئًا عن “ت” و”ه” و”هاء”.
إن البنية القائمة على الرمز المميز والتي تدعم ماجستير إدارة الأعمال مثل مراجعة Google للذكاء الاصطناعي محدودة بطبيعتها، والباحثون غير متفائلين بقدرتهم على حل المشكلة الإملائية.
“من الصعب الإجابة على سؤال ما هي “الكلمة” بالضبط في نموذج اللغة، وحتى لو تمكنا من التوصل إلى اتفاق بين الخبراء حول المفردات الرمزية المثالية، فمن المحتمل أن تجد النماذج أنه من المفيد “تقسيم” الأشياء إلى أبعد من ذلك،” قال شيريدان فيوتشت، طالب دكتوراه يدرس قابلية تفسير نماذج اللغة الكبيرة في جامعة نورث إيسترن، لـ TechCrunch. “أعتقد أنه لا يوجد شيء اسمه رمز مميز مثالي بسبب هذا النوع من الغموض.”
هذه ليست بالضرورة قضية ملحة في أذهان الباحثين لأن فائدة LLM لا تعتمد على قدرتهم الإملائية. ومع ذلك، فإن هذه الإخفاقات الصارخة تساعدنا على تذكر أن الذكاء الاصطناعي ليس مثاليًا، حتى لو كان يبدو في بعض الأحيان وكأنه قوة كلية المعرفة تتجاوز فهمنا. لا يمكننا أن نثق بشكل أعمى في نتائج الذكاء الاصطناعي دون التحقق مرة أخرى من دقتها.
عندما تقوم بالشراء من خلال الروابط الموجودة في مقالاتنا، قد نكسب عمولة صغيرة. وهذا لا يؤثر على استقلالنا التحريري.
رابط المصدر