Почему ИИ не может решить простые для человека загадки за секунды

Искусственный интеллект значительно продвинулся в области автоматизации и выполнения сложных задач: он победил чемпиона мира по шахматам, превосходит человека в обработке больших объемов данных и способен генерировать тексты, поражающие своей точностью и разнообразием. Но даже при этом есть задачи, которые для человека являются элементарными, а для ИИ остаются настоящим вызовом. Почему так происходит? И что именно отличает человеческое мышление от алгоритмов машинного обучения?

Что делает человеческое мышление уникальным?

Психологи и нейробиологи уже давно изучают, насколько эффективна человеческая способность к быстрому решению загадок и задач, требующих минимального количества информации. В отличие от машин, человек обладает уникальной способностью к общему интеллекту — умению обобщать знания, адаптироваться к новым условиям и делать выводы на основе очень небольшого количества данных. Например, чтобы понять новую загадку, человеку зачастую достаточно увидеть один или два примера и понять принцип её решения.

Исследования показывают, что среднестатистический человек способен за считанные секунды решить загадку или разгадывать квесты. В то же время, даже самые продвинутые системы искусственного интеллекта требуют сотен или тысяч примеров для обучения, а решения зачастую занимают значительно больше времени и вычислительных ресурсов. Это связано с фундаментальными различиями в архитектуре мышления и обработке информации.

Почему AI не справляется с простыми для нас задачами?

Основная причина — отсутствие у ИИ универсального механизма для обобщения. В отличие от человека, алгоритмы машинного обучения обычно тренируются на конкретных наборах данных и в узко специализированных задачах. Перенос знаний из одной области в другую для ИИ — сложная и пока нерешенная проблема.

К примеру, если человек умеет играть в шахматы, он может быстроменять тактические подходы в зависимости от ситуации, используя опыт, извлечённый из предыдущих игр. А ИИ, обученный играть только в шахматы, не умеет применить этот навык для решения задач, связанных с классификацией изображений или распознаванием речи. Такое ограничение называется спайковым интеллектом — способность высокоэффективно решать узкоспециализированные задачи, но при этом не показывать гибкости в новых условиях.

Изучение универсальных тестов для определения способностей AI

Одним из ключевых методов оценки общего интеллекта ИИ является использование специальных тестов, которые ставят задачу обобщения и адаптации. Например, в рамках проекта Corpus абстракций и рассуждений (или ARC — Abstraction and Reasoning Corpus), создаются небольшие загадки на сетках с цветными клетками. Задача — понять скрытое правило и применить его к новой сетке. Этот тест был разработан французским исследователем Франсуа Шолле в 2019 году и стал стандартом оценки в области развития общего искусственного интеллекта.

ARC позволяет выявить, насколько эффективно ИИ способен к обобщению, используя минимальный объем данных, что сверхзадача для современных алгоритмов.

Несмотря на развитие глубокого обучения и мощных моделей, большинство ИИ по-прежнему испытывают сложности с подобными задачами. Впрочем, по мнению экспертов, именно такие тесты дают наиболее точное представление о реальных возможностях машинного интеллекта в сравнении с человеческими

Почему человек решает загадки быстрее?

Главная причина — человеческий мозг использует эффективные стратегии обучения и мышления. Люди, в отличие от ИИ, используют свои интуицию, эмпирический опыт и способность к быстрому выводу на основе очень небольшого количества данных. Например, чтобы понять новый вид головоломки, достаточно взглянуть на несколько примеров, а затем применить полученное знание к новой ситуации. Это позволяет решать загадки за считанные секунды.

В то время как алгоритмы машинного обучения требуют многократных повторений и тренировочных циклов, человеческий мозг использует механизмы подобранных гипотез, верифицирует их и быстро адаптируется. Эта способность — часть так называемой гибкой когнитивной системы, которая в настоящий момент недоступна большинству существующих AI-систем.

Развитие систем тестирования и новые горизонты

Фонд и команда исследователей разрабатывают новые тесты, которые не только измеряют способность AI обучаться в узкоспециализированных задачах, но и проверяют, способен ли ИИ понимать, планировать, экспериментировать и исследовать новые среды. Например, в рамках проекта ARC-AGI-3 создаются видеоигры, в которых требуется не только выполнение заданий, но и понимание окружающей среды, стратегическое планирование и способность учиться на ходу.

Проведённые эксперименты показывают, что даже продвинутые ИИ до сих пор не способны пройти даже начальные уровни новых видеоигр, а большинство людей справляются с этим за несколько минут. Это говорит о том, что в области универсального мышления ещё многое предстоит сделать.

Будущее развития ИИ и роль человеческого фактора

Результаты исследований показывают, что пока что ИИ значительно уступает человеку в области общего интеллекта и гибкости мышления. Однако развитие технологий и новые подходы к обучению дают надежду, что в будущем системы смогут научиться решать задачи за меньшее время и с меньшим количеством данных. Пока же ключевым фактором остается участие человека в создании и оценке интеллектуальных систем.

Таким образом, несмотря на впечатляющие достижения, искусственный интеллект ещё долгое время останется узкоспециализированным инструментом, а задачи, доступные человеку с лёгкостью за секунды, для ИИ представляют собой непреодолимый вызов, требующий новых подходов и исследовательских прорывов.