Штучний інтелект навчився блискавично генерувати тексти, але він досі не вміє їх "читати" і розуміти так, як це робить людина. Дослідники з Нью-Йоркського університету та Університету Массачусетсу в Емгерсті провели масштабний експеримент, порівнявши дані айтрекінгу (відстеження рухів очей) майже 400 читачів із механізмами роботи понад 400 великих мовних моделей (LLM). Результати чітко продемонстрували, де саме когнітивна архітектура нашого мозку розходиться з трансформаторними алгоритмами ШІ.

На початковому етапі читання людина і нейромережа діють напрочуд схоже. Коли ми читаємо простий лінійний текст і наші очі плавно рухаються вперед, ми, як і мовні моделі, підсвідомо намагаємося "вгадати" наступне слово. Дослідження показало, що ШІ чудово імітує цей процес і може точно передбачати швидкість розпізнавання слів під час швидкого та безперешкодного читання, повністю спираючись на ймовірнісну модель наступного слова.

Однак ця ілюзія подібності руйнується, щойно текст стає складним, неоднозначним або вимагає глибокого занурення в контекст. Штучний інтелект завжди рухається лише вперед і значно недооцінює "когнітивний спротив", з яким стикається людина під час осмислення складних фраз. Людський мозок, навпаки, постійно аналізує контекст: близько 20% рухів наших очей під час читання є регресивними, тобто зворотними. Ми постійно повертаємося до попередніх слів, щоб переосмислити їх та узгодити значення. Поточні авторегресивні моделі ШІ просто не мають такого структурного механізму ретроспективного перегляду.

Як це можна практично використовувати в бізнесі? Розуміння цих когнітивних відмінностей відкриває нові перспективи для оптимізації комунікацій та розвитку технологій. Оскільки людський мозок витрачає величезну кількість енергії на повернення до попередніх слів у складних реченнях, компаніям варто повністю переглянути свій підхід до UX-копірайтингу, маркетингових матеріалів та юридичних документів, роблячи їх максимально лінійними, короткими та передбачуваними, щоб мінімізувати когнітивне навантаження на клієнта. З іншого боку, розробники освітніх технологій (EdTech) можуть використовувати ці інсайти про рух очей для створення інноваційних систем тестування, які через вебкамеру визначатимуть, коли саме студенту складно інтегрувати інформацію. Крім того, компанії-розробники штучного інтелекту отримують чіткий вектор для вдосконалення архітектури своїх нейромереж: майбутні алгоритми повинні навчитися "повертатися назад" та аналізувати ширший контекст так, як це робить людина, що значно підвищить якість віртуальних асистентів у розв'язанні неоднозначних клієнтських запитів.

За матеріалами neurosciencenews.com
Ілюстрація neurosciencenews.com