لماذا يعد شات جي بي تي سيئا جدا في الرياضيات؟
تاريخ النشر: 7th, October 2024 GMT
إذا جربت يوما استخدام "شات جي بي تي" كآلة حاسبة، فمن المؤكد أنك لاحظت عجزه في الرياضيات. فروبوت الدردشة سيئ في الحساب، وهذه ليست ميزة فريدة من نوعها بين أدوات الذكاء الاصطناعي.
فمن جهة أخرى، لا يستطيع "كلود" (Claude) من "أنثروبي" (Anthropic) حل مشكلات الكلمات البسيطة، ويفشل "جيميني" (Gemini) في فهم المعادلات التربيعية، ويواجه "لاما" (Llama) من "ميتا" (Meta) صعوبة في عملية جمع بسيطة.
الجواب هو "عملية الترميز" حيث يساعد الذكاء الاصطناعي في ترميز المعلومات بكثافة من خلال عملية تجزئة البيانات إلى أجزاء (على سبيل المثال، تقسيم كلمة "جميل" إلى مقاطع "ج" "م" "ي" "ل"). ولأن أدوات التجزئة في النماذج الذكية لا تعرف ما هي الأرقام، فغالبا ما تنتهي بتخريب العلاقات بينها.
فعلى سبيل المثال، قد تعالج أداة التجزئة الرقم "380" على أنه عنصر واحد، ولكنها تفهم العدد "381" على أنه زوج من الأرقام ("38" و "1")، وهنا يحدث الخطأ.
ولكن عملية الترميز ليست السبب الوحيد في ضعف الذكاء الاصطناعي في الرياضيات. فأنظمة الذكاء الاصطناعي عبارة عن آلات إحصائية، وبعد تدريبها على العديد من الأمثلة تتعلم أنماط تلك الأمثلة لتقديم التوقعات.
وفي أحد الأمثلة، عند سؤال "شات جي بي تي" عن مسألة ضرب مثل 5,7897 × 1,2832، من المحتمل أن يستنتج النموذج أن حاصل ضرب رقم ينتهي بـ"7″ ورقم ينتهي بـ"2″ سينتهي بـ"4″. وذلك بالاعتماد على الأخطاء في عمليات ضرب واجهها سابقا وتعلم منها.
ولكنه سيواجه صعوبة في الجزء الأوسط، وسيعطي الجواب على أنه 742,021,104 بينما الجواب الصحيح هو 742,934,304.
وقام يونتيان دينغ، الأستاذ المساعد في جامعة واترلو والمتخصص في الذكاء الاصطناعي، بتقييم شامل لقدرات الضرب في "شات جي بي تي" في دراسة أجراها هذا العام.
وقد وجد هو وزملاؤه أن النموذج الافتراضي "جي بي تي -4 أو" (GPT-4o) واجه صعوبة في ضرب أعداد مكونة من أكثر من 4 أرقام مثل 3,459 × 5,284.
وقال دينغ إن "جي بي تي -4 أو" يواجه صعوبة في ضرب الأرقام المتعددة، إذ يحقق دقة أقل من 30% في ضرب أعداد مكونة من 4 أرقام. وأضاف أن عمليات حسابية كهذه "تُشكل تحديا لنماذج اللغة لأن أي خطأ في أي خطوة تالية يمكن أن يتراكم، ومن ثم يؤدي إلى نتيجة نهائية غير صحيحة".
ومن جهة أخرى، يشعر دينغ بالتفاؤل. ففي الدراسة أجراها هو وزملاؤه على نموذج "أو1" (o1)، وهو نموذج "الاستدلال" الخاص بشركة "أوبن إيه آي"، حقق النموذج نتائج أفضل بكثير من "جي بي تي -4 أو"، حيث تمكن من حل عمليات ضرب أعداد مكونة من 9 أرقام بشكل صحيح في نصف الوقت تقريبا.
وأضاف "قد يحل النموذج عملية الضرب بطرق تختلف عن الطرق التي نحلها يدويا، وهذا يثير فضولنا حول نهج النموذج في حل المسائل وكيف يختلف عن الاستدلال البشري".
المصدر: الجزيرة
كلمات دلالية: حراك الجامعات حريات الذکاء الاصطناعی شات جی بی تی صعوبة فی
إقرأ أيضاً:
بنك إنجلترا يحذر من مخاطر فقاعة الذكاء الاصطناعي
حذّر بنك إنجلترا مجدّدا مطلع ديسمبر من الرسملة السوقية المفرطة التي تمنح لقطاع الذكاء الاصطناعي، عاقدا مقارنة مع بدايات انهيار فقاعة الإنترنت في مطلع الألفية.
وأشارت لجنة السياسة المالية التابعة للبنك في تقريرها الفصلي إلى «عدّة عمليات رسملة للأصول الخطرة مبالغ بها، لا سيما في ما يخص شركات التكنولوجيا المتخصصة في الذكاء الاصطناعي». ولفت المصرف إلى أن «عمليات الرسملة السوقية باتت بمجملها قريبة من أعلى المستويات المسجّلة منذ انهيار فقاعة الإنترنت في الولايات المتحدة ومنذ الأزمة المالية العالمية في بريطانيا» سنة 2008.
وفي الأشهر الأخيرة، كثف عمالقة التكنولوجيا الاستثمارات في الذكاء الاصطناعي. وتبدو استثماراتهم غير متناسبة مع العائدات التي تولّدها هذه التقنية، ما يغذّي المخاوف من تشكّل فقاعة في السوق كتلك التي شهدتها الإنترنت في التسعينيات ومطلع الألفية الثالثة.
والفارق بين ما حدث في تلك الفترة والوضع الراهن هو أن الجهات الفاعلة في الذكاء الاصطناعي «تتمتّع بتدفّقات نقدية إيجابية»، وفق ما لفت حاكم مصرف إنجلترا أندرو بايلي خلال مؤتمر صحفي أعقب نشر التقرير، محذّرا من انتقال «عدوى» أزمة أمريكية محتملة إلى الأسواق البريطانية.
ففي حال خيّبت الآمال المعلّقة على الذكاء الاصطناعي، قد تتكبّد المؤسسات التي أقرضت المال لشركات القطاع خسائر كبيرة، بحسب ما حذّر بنك إنجلترا.
وكالة الأنباء الفرنسية «أ.ف.ب»
من عالم العقارات إلى الدبلوماسية الفظة.. كيف انعكست النزعة الفوقية في هفوات خطاب توم براك؟