Entdecken Sie, wie die Grenzen zwischen menschlicher und künstlicher Intelligenz verschwimmen.
Die Forschung des Psychologen Taylor Webb an der University of California in Los Angeles hebt hervor, wie Menschen und Computer abstrakte Probleme lösen. Durch die Untersuchung von GPT-3, einem großen Sprachmodell von OpenAI, wurde eine beeindruckende Fähigkeit zur Lösung abstrakter Aufgaben festgestellt. Webb äußerte sich verblüfft über die Problemlösungskompetenzen von GPT-3, die in einem Artikel im Journal Nature detailliert beschrieben wurden. Diese Fähigkeiten wurden durch Tests, die eigentlich für Menschen konzipiert waren, auf die Probe gestellt, wobei die KI in einigen Fällen sogar besser als eine Gruppe von Studenten abschnitt.
Trotz der Erfolge von GPT-4 bei verschiedenen beruflichen und akademischen Prüfungen, einschließlich Teilen der „United States Medical Licensing Examination“, wurden Bedenken hinsichtlich des wahren Verständnisses und der praktischen Bedeutung dieser Ergebnisse laut. Kritiker weisen darauf hin, dass die derzeitigen Bewertungstechniken für große Sprachmodelle möglicherweise eine Illusion über deren tatsächliche Fähigkeiten erzeugen. Es wird gefordert, die Art und Weise, wie LLMs bewertet werden, zu überdenken, um eine anthropomorphisierende Betrachtungsweise zu vermeiden und einen soliden Überblick über die Leistungsfähigkeit von LLMs zu erhalten.
Ein spannendes Beispiel ist die „Raven’s Progressive Matrices“-Tests, die von Webb und Kollegen angepasst wurden, um die Fähigkeit von GPT-4, neue Problemarten zu lösen, zu testen. Während einige Forscher behaupten, einen „Funken künstlicher allgemeiner Intelligenz“ entdeckt zu haben, betonen andere, dass ein gutes Testergebnis nicht unbedingt ein Beweis für ein echtes Verständnis der Materie ist.