சில புதிர்களில் திறம்பட செயல்படும் AI, எளிய இடஞ்சார் பகுத்தறிவில் தோல்வி

செயற்கை நுண்ணறிவைச் சோதிக்க புதிர்களும் விளையாட்டுகளும் அதன் ஆரம்ப நாட்களிலிருந்தே பயன்பட்டு வருகின்றன. 'இயந்திரக் கற்றல்' என்ற சொல்லே, சதுரங்கம் விளையாட கற்றுக்கொண்ட ஒரு நிரலி பற்றிய IBM கணினி விஞ்ஞானி ஆர்தர் சாமுவேலின் 1959 கட்டுரையில்தான் பிரபலமானது. இதற்குப் பின், செஸ் மற்றும் கோ பலகை விளையாட்டும் AI சோதனை மைதானங்களாக அறியப்பட்டன. புதிர் தீர்வுத் திறனை மட்டும் வைத்துப் பார்த்தால், AI வேகமாக முன்னேறி வருகிறது. 2024-ஆம் ஆண்டு இறுதியில், நியூயார்க் டைம்ஸ் இதழின் 'கனெக்ஷன்ஸ்' புதிர்களில், சிறந்த மாடல்களால் கூட 18% மட்டுமே தீர்க்க முடிந்தது என கொலம்பியா பல்கலைக்கழக ஆய்வாளர்கள் கண்டறிந்தனர். 2025 தொடக்கத்தில் சில மாடல்கள் அவற்றை கிட்டத்தட்ட முழுமையாகத் தீர்த்தன.

இடஞ்சார் பகுத்தறிவு இன்னும் ஒரு பலவீனமான பகுதியாகவே உள்ளது. வெவ்வேறு கோணங்களிலிருந்து ஒரே பொருளையே படங்கள் காட்டுகின்றனவா என்று கேட்கும் சுழற்சிக் கற்பனைச் சோதனைகளில், இன்றைய AI மாடல்கள் காட்சிச் சான்றுகளை ஆராய்ந்தாலும் மோசமாகவே தோல்வியடைகின்றன. கட்டிடக் கலைஞர்கள் போன்ற மனித இடஞ்சார் சிந்தனையாளர்களைப் போல முப்பரிமாணப் பொருள்களை மனத்தில் கையாள AI-க்கு முடிவதில்லை.

மொழி மாடல்களின் பரந்த நினைவகமும் சில நேரம் அவற்றுக்கு எதிராகவே செயல்படுகிறது. உண்மையையே சொல்லும், பொய்யையே சொல்லும் கதாபாத்திரங்களைக் கொண்ட 'நைட்ஸ் அண்ட் நேவ்ஸ்' தர்க்கப் புதிர்கள் உள்ளன. இவற்றின் சிறு மாறுபாடுகளில், கூகுள் மற்றும் இல்லினாய் பல்கலைக்கழக (அர்பானா-ஷாம்பேன்) ஆய்வாளர்கள் 2024-இல் மாடல்களைச் சோதித்தனர். ஒரு வடிவத்தில் பயிற்சி பெற்ற மாடல்கள், புதிய வடிவத்தின் சிறு வேறுபாடுகளைப் பெரும்பாலும் கவனிக்காமல், பகுத்தறிவதற்குப் பதிலாக மனனத்திலிருந்தே பதிலளிப்பதை அவர்கள் கண்டறிந்தனர்.

ARC-AGI எனும் அளவீட்டு அமைப்பில், சில உதாரணங்களிலிருந்து பொதுவான விதியை ஊகிக்கக் கேட்கும் சுருக்கமான காட்சிப் புதிர்களும் இன்னொரு பலவீனமான பகுதி. புதிர்க் கட்டத்தை படமாக அல்லாமல் எண் தொடராகக் கொடுக்கும்போது மாடல்கள் சிறப்பாகச் செயல்படுகின்றன. சரியான பதிலைக் கொடுத்தாலும் கூட, மனிதர்கள் பயன்படுத்தும் எளிய காட்சிக் கருத்துகளுக்குப் பதிலாக, மாடல்கள் பெரும்பாலும் சிக்கலான, பொதுமைப்படுத்த முடியாத விதிகளையே பயன்படுத்துவதாக ஆய்வுகள் கண்டறிந்துள்ளன.