Naukowcy proponują test oceny AI wykraczający poza ludzkie możliwości, oparty na odwrotnych problemach i mierzalnej złożoności algorytmicznej Levina (Kt), który nie saturuje wraz z postępem modeli językowych.
Dotychczasowe testy dla modeli AI mają jeden wspólny problem: prędzej czy później AI je „przebija" i benchmark staje się bezużyteczny jak stary termometr. Naukowcy proponują coś ambitniejszego, miarę opartą na złożoności Kołmogorowa, która zamiast sprawdzać, czy model zna odpowiedź, pyta: jak kompaktowo potrafi opisać regułę rządzącą problemem? To jak różnica między wkuwaniem tabliczki mnożenia a rozumieniem, czym w ogóle jest mnożenie.
Brzmi jak eleganckie rozwiązanie, ale pozostaje jedno niewygodne pytanie: czy benchmark zaprojektowany z myślą o superinteligencji, której jeszcze nie ma, w ogóle da się dziś sensownie kalibrować i porównywać, skoro nie wiemy, co właściwie mierzymy?
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google