एआई जटिल गणित में फिसला, मानव विशेषज्ञ आगे
एक अध्ययन "फर्स्ट प्रूफ" में सामने आया है कि शीर्ष एआई मॉडल अनदेखी, शोध-स्तरीय गणितीय समस्याओं को हल करने में विफल रहे हैं, जहाँ मानव गणितज्ञों ने बेहतर प्रदर्शन किया। नेचर में प्रकाशित निष्कर्ष, कुछ लंबे समय से चली आ रही गणितीय चुनौतियों को हल करने में हालिया सफलताओं के बावजूद एआई की वर्तमान सीमाओं को उजागर करते हैं। एआई मॉडल ने तथ्यात्मक सटीकता और संदर्भ के साथ भी मुद्दों का प्रदर्शन किया, अक्सर जानकारी को "मतिभ्रम" कर रहे थे या समान उत्तरों के लिए स्रोतों का हवाला देने में विफल रहे थे। यह इंगित करता है कि जबकि एआई आगे बढ़ रहा है, जटिल, नवीन गणितीय अनुसंधान के लिए मानव विशेषज्ञता महत्वपूर्ण बनी हुई है।
AI सारांश
3 bulletsएआई की गणितीय सीमाएं उजागर
गणितीय समस्याओं को हल करने में हालिया प्रगति और प्रभावशाली करतबों के बावजूद, एक नए अध्ययन से जटिल, शोध-स्तरीय गणितीय चुनौतियों का सामना करने पर कृत्रिम बुद्धिमत्ता की महत्वपूर्ण सीमाएं सामने आई हैं। नेचर में प्रकाशित "फर्स्ट प्रूफ" पहल ने विशेष रूप से एआई मॉडल का उन समस्याओं पर परीक्षण किया था जिनसे वे पहले कभी नहीं मिले थे, जो नवीन समस्या-समाधान में एआई क्षमताओं और मानव विशेषज्ञता के बीच एक स्पष्ट अंतर को उजागर करता है।
मानव ने नवीन समस्याओं में एआई को पछाड़ा
कठोर "फर्स्ट प्रूफ" परीक्षण में, शीर्ष एआई सिस्टम अनुभवी गणितज्ञों के प्रदर्शन से मेल खाने में असमर्थ रहे। इस अध्ययन ने विशेष रूप से उन गणितीय प्रश्नों पर ध्यान केंद्रित किया जो पहले कभी प्रकाशित नहीं हुए थे, यह सुनिश्चित करते हुए कि एआई मौजूदा डेटा पर निर्भर नहीं कर सके। परिणामों ने लगातार दिखाया कि मानव विशेषज्ञों ने इन पूरी तरह से नई समस्याओं को हल करने में एक महत्वपूर्ण बढ़त बनाए रखी।
एआई में तथ्यात्मक और प्रासंगिक त्रुटियां
अध्ययन ने एआई मॉडल में एक लगातार कमजोरी का भी खुलासा किया: उनकी तथ्यात्मक और प्रासंगिक त्रुटियां करने की प्रवृत्ति, जिसे अक्सर 'मतिभ्रम' के रूप में संदर्भित किया जाता है। शोधकर्ताओं ने देखा कि कई एआई प्रतिक्रियाओं ने पूर्व प्रकाशित पत्रों से भाषा, प्रतीकों और शब्दावली का उचित श्रेय दिए बिना उपयोग किया। परियोजना में शामिल एक शोधकर्ता लॉरेन विलियम्स ने एआई मॉडल से उचित उद्धरण की आश्चर्यजनक कमी को नोट किया, भले ही उनके उत्तर मौजूदा शोध से काफी मिलते-जुलते हों।
अनुसंधान में एआई के लिए निहितार्थ
जबकि एआई ने उल्लेखनीय मील के पत्थर हासिल किए हैं, जिसमें एक ओपनएआई चैटबॉट द्वारा 80 साल पुरानी गणितीय चुनौती को हल करना शामिल है, "फर्स्ट प्रूफ" के परिणाम बताते हैं कि शोध स्तर पर इसकी क्षमताएं अभी भी असमान हैं। शोधकर्ताओं का मानना है कि इस प्रकृति के चल रहे परीक्षण यह परिभाषित करने में महत्वपूर्ण होंगे कि एआई गणितज्ञों के लिए एक सहायक उपकरण के रूप में कैसे कार्य कर सकता है, न कि एक पूर्ण प्रतिस्थापन के रूप में।
क्यों मायने रखता है
यह अध्ययन महत्वपूर्ण है क्योंकि यह जटिल, नवीन समस्या-समाधान में एआई की वर्तमान सीमाओं को स्पष्ट करता है, विशेष रूप से गणित में, और उन्नत अनुसंधान में मानव विशेषज्ञता के अमूल्य महत्व को रेखांकित करता है।
मुख्य तथ्य
- •Study Name: First Proof
- •Publication: Nature magazine
- •AI Performance: Struggled with unseen research-level math problems
- •Human Performance: Outperformed AI in the study
- •AI Weaknesses: Factual errors, context issues, lack of source citation (hallucinations)
क्या यह मददगार था?
Reader pulse
0 votesGenerate a 5-question quiz from this article.
चर्चा
Discussion (0)
Loading…