कुछ पहेलियों में माहिर AI, आसान स्थानिक तर्क में फेल

कृत्रिम बुद्धिमत्ता (AI) को परखने के लिए शुरू से ही पहेलियों और खेलों का इस्तेमाल होता आया है। 'मशीन लर्निंग' शब्द खुद 1959 में IBM के कंप्यूटर वैज्ञानिक आर्थर सैमुअल के एक लेख से मशहूर हुआ, जो चेकर्स खेलना सीखने वाले एक एल्गोरिदम पर आधारित था। बाद में शतरंज और गो बोर्ड गेम भी जाने-माने AI परीक्षण क्षेत्र बन गए। सिर्फ पहेली सुलझाने की क्षमता के लिहाज़ से देखें तो AI तेज़ी से आगे बढ़ रहा है। 2024 के अंत में, कोलंबिया विश्वविद्यालय के शोधकर्ताओं ने पाया कि सबसे अच्छे मॉडल भी न्यूयॉर्क टाइम्स की 'कनेक्शन्स' पहेलियों में से सिर्फ 18% ही हल कर पाते थे। लेकिन 2025 की शुरुआत तक कुछ मॉडल इन्हें लगभग पूरी तरह हल करने लगे।

स्थानिक तर्क अब भी एक कमज़ोर कड़ी है। वस्तु-घुमाव जांच में यह पूछा जाता है कि क्या अलग-अलग कोण से दिखाई गई तस्वीरें एक ही वस्तु की हैं। आज के AI मॉडल इसमें बुरी तरह फेल होते हैं, भले ही वे तस्वीरों को समझ सकें; वास्तुकारों जैसे इंसानी स्थानिक विचारकों की तरह त्रि-आयामी वस्तुओं को मन में घुमाना उनके बस की बात नहीं।

बड़े भाषा मॉडलों की विशाल याददाश्त कभी-कभी उनके खिलाफ भी काम करती है। गूगल और इलिनॉय विश्वविद्यालय (अर्बाना-शैम्पेन) के शोधकर्ताओं के 2024 के एक अध्ययन ने 'नाइट्स एंड नेव्स' नाम की तर्क पहेलियों में छोटे बदलावों पर मॉडलों को परखा, जिनमें कुछ किरदार हमेशा सच बोलते हैं और कुछ हमेशा झूठ। इसमें पाया गया कि एक रूप पर प्रशिक्षित मॉडल अक्सर नए रूप के छोटे अंतर को नज़रअंदाज़ कर, तर्क करने के बजाय याद किए गए जवाब से ही उत्तर देते हैं।

ARC-AGI नाम के एक मानक परीक्षण में, कुछ उदाहरणों से एक सामान्य नियम निकालने वाली सार दृश्य पहेलियां भी एक और कमज़ोरी हैं। जब पहेली की ग्रिड तस्वीर की बजाय संख्याओं की एक श्रृंखला के रूप में दी जाती है, तो मॉडल बेहतर प्रदर्शन करते हैं। शोध में पाया गया है कि सही जवाब देने पर भी, मॉडल अक्सर इंसानों जैसे सरल दृश्य विचारों की बजाय उलझे हुए, सामान्यीकृत न किए जा सकने वाले नियमों का इस्तेमाल करते हैं।