AI -tutkimus osoittaa, että koneet repivät pimeässä pimeässä!

AI -tutkimus osoittaa, että koneet repivät pimeässä pimeässä!

Edinburgh, Vereinigtes Königreich - Moderni tekoäly (AI) on edistynyt huomattavasti, esimerkiksi tekstin sijainnin ja ohjelmoinnin aloilla. Edinburghin yliopiston uusi tutkimus paljastaa kuitenkin yllättävän heikkouden: nämä järjestelmät eivät ilmeisesti pysty lukemaan analogisia kelloja. Tutkimus, joka julkaistaan ​​pian huhtikuussa, osoittaa, että jopa edistyneet AI -mallit olivat väärässä yli 75 prosentilla tapauksista, joissa oli tunnistaa aika analogisiin valitsimiin. Erityisesti tarkkailee roomalaisia ​​numeroita tai ilman toista pistettä, jossa ongelma usein on osoittimien ja niiden kulmien havaitsemisessa, raportoi Google Gemini 2.0 ja Antropic Claude 3.5. Jokainen malli on kohdennut kuvia eri kellotyyleistä. AI -malleilta kysyttiin: "Mihin aikaan kuvan kello näyttää?" Tulokset osoittivat huolestuttavan tarkkuuden: Google Gemini 2.0 oli saavuttanut kellokokeen parhaan suorituskyvyn 22,58 %: lla, kun taas OpenAi GPT-1 eri kontekstissa-kalenterikuvien analyysi, jossa on 80 %oikeita vastauksia, mikä tarkoittaa myös 20 %: n virheastetta, selittää gizmodo .

Ki

: n ajanjakson heikkoudet

Analogisten kellojen tulkinnan vaikeudet kuvaavat AI -mallien rajoja arjen tehtävissä, jotka intuitiivisesti ratkaisevat ihmisiä. Tutkimuksen toimittajan Rohit Saxenan mukaan nämä alijäämät on kiireellisesti puututtava, jotta voidaan tehdä AI -käyttökriittisissä sovelluksissa. Virheitä tapahtui etenkin monimutkaisissa malleissa varustetuissa kelloissa, jotka kuvaavat haasteita, joita kehittäjät ovat AI -tekniikoiden parantamisen edessä.

Mielenkiintoinen tutkimuksen havainto on, että AI -malleilla ei ollut ongelmia kalenterikuvien analysoinnissa samassa määrin. Tämä voisi viitata erilaisiin prosessointimekanismeihin, jotka integroivat multimediatiedot, jotka osoittavat multimodaalisten AI-mallien edut, jotka ovat vuorovaikutuksessa käsittelemällä erilaisia ​​tietotyyppejä, kuten teksti, kuva ja biometria, kuten

multimodaalinen AI ja heidän haasteensa

Multimodaalimalleja on ominaista yhdistämällä erilaiset tietolähteet, jotta voidaan vahvempi päätöksenteko. Nämä järjestelmät taistelevat kuitenkin haasteilla, kuten tapoja ja tarve suurille määrille korkealaatuista tietoa. Multimodaalisen vuorovaikutuksen joustavuus voi kuitenkin olla avain myös parannetulle käyttökokemukselle lukuisilla sovellusalueilla.

Edinburghin yliopiston tutkimuksessa korostetaan tutkimuspohjaisten lähestymistapojen tarvetta haasteiden voittamiseksi, joiden avulla AI-mallit kohtaavat kuvien tunnustamisen, etenkin jokapäiväisissä tehtävissä, kuten ajan lukemisessa. On vielä nähtävissä, kuinka nämä havainnot vaikuttavat tulevaisuudessa älykkäiden, kontekstitietoisempien järjestelmien kehitykseen.

Details
OrtEdinburgh, Vereinigtes Königreich
Quellen

Kommentare (0)