فیلم بیشتر »»
کد خبر ۱۱۱۸۶۶۶
تاریخ انتشار: ۰۷:۵۵ - ۰۹-۰۹-۱۴۰۴
کد ۱۱۱۸۶۶۶
انتشار: ۰۷:۵۵ - ۰۹-۰۹-۱۴۰۴

میزان توهم زدن مدل‌های هوش مصنوعی بر اساس پاسخ‌های نادرست یا ناقص (+ اینفوگرافی)

میزان توهم زدن مدل‌های هوش مصنوعی بر اساس پاسخ‌های نادرست یا ناقص (+ اینفوگرافی)
بالا‌ترین نرخ توهم هوش مصنوعی مربوط به Grok‑۳ با ۹۴ درصد بود، به این معنی که تقریباً تمام پاسخ‌های آن اشتباه بودند.

بسیاری از مدل‌های هوش مصنوعی امروز هنگام شناسایی و استناد به منابع خبری از یک متن، دچار مشکل شده و خطاهای زیادی تولید می‌کنند.

به گزارش روزیاتو، بالا‌ترین نرخ توهم هوش مصنوعی مربوط به Grok‑۳ با ۹۴ درصد بود، به این معنی که تقریباً تمام پاسخ‌های آن اشتباه بودند.

آیا هوش مصنوعی شما همیشه پاسخ درست می‌دهد؟ متأسفانه، «حقیقت» ارائه شده توسط آن ممکن است توهم باشد.

این اینفوگرافی، نرخ توهمات هوش مصنوعی را بر اساس مدل‌ها نشان می‌دهد.

«توهم هوش مصنوعی» به مواردی گفته می‌شود که در آن مدل زبانی اطلاعات نادرست یا بدون منبع را به عنوان حقیقت به کاربر ارائه می‌دهد.

توهم هوش مصنوعی چیست؟

«توهم هوش مصنوعی» به مواردی گفته می‌شود که در آن مدل زبانی اطلاعات نادرست یا بدون منبع را به عنوان حقیقت به کاربر ارائه می‌دهد.

این توهمات به این دلیل اتفاق می‌افتند که سیستم‌های آموزش استاندارد، حدس زدن را به جای نشان دادن عدم اطمینان، پاداش می‌دهند. تصور کنید که در یک تست چندگزینه‌ای حدس بزنید؛ احتمال اینکه درست باشد بیشتر از زمانی است که هیچ پاسخی ندهید.

نرخ توهمات هوش مصنوعی: بهترین و بدترین مدل‌ها

برای اندازه‌گیری نرخ توهمات، محققان مدل‌های شرکت‌های پیشرو در حوزه هوش مصنوعی را با متون خبری آزمایش کردند و از آن‌ها خواستند مقاله، رسانه و URL اصلی را مشخص کنند.

نکته مهم اینکه محققان، متونی را انتخاب کردند که اگر در گوگل جستجو شوند، منبع اصلی در سه نتیجه اول ظاهر می‌شود.

سپس پاسخ‌های مدل‌های هوش مصنوعی برای دقت بررسی شدند. جدول زیر نشان می‌دهد هر مدل چند درصد پاسخ نادرست یا ناقص داده است:

مدل هوش مصنوعی نرخ توهم
Perplexity ۳۷ درصد
Copilot ۴۰ درصد
Perplexity Pro ۴۵ درصد
ChatGPT Search ۶۷ درصد
Deepseek Search ۶۸ درصد
Gemini ۷۶ درصد
Grok-2 Search ۷۷ درصد
Grok-3 Search ۹۴ درصد

Grok‑۳ بدترین عملکرد را داشت و ۹۴ درصد پاسخ‌هایش توهم بود، در حالی که Perplexity دقیق‌ترین پاسخ‌ها را ارائه کرد.

نکته جالب اینکه مدل‌های پولی حتی در مواردی از نسخه‌های رایگان ضعیف‌تر عمل کردند. اکثر مدل‌ها نیز، باوجود خطاهای زیاد، هیچ نشانه‌ای از عدم اطمینان در پاسخ‌هایشان نشان ندادند.

پربیننده ترین پست همین یک ساعت اخیر
ارسال به دوستان
دختر ناصرالدین‌شاه در حال نوازش اسب؛ بیش از یک قرن قبل (عکس) این برچسب‌ها راز ناباروری‌های بی‌دلیل را فاش می‌کنند عضله سازی فقط وزنه زدن نیست؛ سه عامل مهم در رشد عضلات بُرج تاریخی گری‌کوه؛ یادگار معماری نظامی در بستک (+عکس) نبرد ناو زیپانگ، هیولایی که ناو جرالد فورد آمریکا دربرابرش مثل قایقی کوچک بود(+عکس)  خیمۀ ناصرالدین شاه در میدان اسب‌دوانی تهران؛ 135 سال قبل (عکس) فرار شاگردان علیرضا منصوریان از شکست در دقیقه ۱۱۷ بازی جنجالی وزیر خارجه جولانی: دمشق به رابطه‌ای صلح‌آمیز با اسرائیل چشم دارد! نخست‌ وزیر هند از مردم خواست به‌خاطر کمبود سوخت دورکاری و صرفه‌جویی کنند مقام سازمان ملل: محاصره تنگه هرمز ده‌ها میلیون نفر را با گرسنگی مواجه می‌کند ساعت شروع به کار ادارات کرمانشاه از خردادماه تغییر می‌کند یمن: وضعیت نه جنگ نه صلح با سعودی‌ها را تحمل نمی‌کنیم نخست وزیر انگلیس: هرگز وارد جنگ با ایران نخواهم شد کشف و انهدام خط لوله ۶ کیلومتری قاچاق سوخت در بندرعباس اکرم عفیف مرد سال فوتبال قطر شد/ السد جوایز را درو کرد