ភាពឆ្លាតវៃដែល AI ទទួលបានកាន់តែច្រើន វាទំនងជាតិចជាងក្នុងការសារភាពចំពោះអ្នកប្រើប្រាស់ថាវាមិនដឹងចម្លើយ។ (រូបភាព AI)

នៅក្នុងការសិក្សាដែលត្រូវបានបោះពុម្ពផ្សាយនៅក្នុងទស្សនាវដ្តី Nature ក្រុមការងារបានសាកល្បងកំណែចុងក្រោយបំផុតនៃ AI chatbots ដ៏ពេញនិយមបំផុតចំនួន 3 លើការឆ្លើយតប ភាពត្រឹមត្រូវ និងសមត្ថភាពរបស់អ្នកប្រើប្រាស់ក្នុងការស្វែងរកចម្លើយមិនត្រឹមត្រូវ។

ដើម្បីសាកល្បងភាពត្រឹមត្រូវនៃ LLMs ដែលពេញនិយមបំផុតទាំងបីគឺ BLOOM, LLaMA និង GPT ក្រុមការងារបានដាក់សំណួររាប់ពាន់ ហើយប្រៀបធៀបចម្លើយដែលទទួលបានជាមួយនឹងការឆ្លើយតបពីកំណែមុនទៅនឹងសំណួរដូចគ្នា។ ពួកគេក៏មានភាពខុសប្លែកគ្នានៅក្នុងប្រធានបទផងដែរ រួមទាំងគណិតវិទ្យា វិទ្យាសាស្ត្រ ល្បែងផ្គុំពាក្យ និងភូមិសាស្ត្រ ក៏ដូចជាសមត្ថភាពក្នុងការបង្កើតអត្ថបទ ឬអនុវត្តសកម្មភាពដូចជាការតម្រៀបបញ្ជីជាដើម។

លទ្ធផលសិក្សាបានបង្ហាញពីនិន្នាការគួរឱ្យកត់សម្គាល់មួយចំនួន។ ភាពត្រឹមត្រូវជាទូទៅនៃ chatbots មានភាពប្រសើរឡើងជាមួយនឹងកំណែថ្មីនីមួយៗ ប៉ុន្តែនៅតែធ្លាក់ចុះនៅពេលដែលប្រឈមមុខនឹងសំណួរដែលពិបាកជាងនេះ។ គួរឱ្យភ្ញាក់ផ្អើល នៅពេលដែល LLMs កាន់តែធំ និងស្មុគ្រស្មាញ ពួកគេមានទំនោរមិនសូវបើកចំហអំពីសមត្ថភាពរបស់ពួកគេក្នុងការឆ្លើយត្រឹមត្រូវ។

នៅក្នុងកំណែមុនៗ LLM ភាគច្រើននឹងប្រឈមមុខជាមួយអ្នកប្រើប្រាស់ នៅពេលដែលពួកគេមិនអាចស្វែងរកចម្លើយ ឬត្រូវការព័ត៌មានបន្ថែម។ ផ្ទុយទៅវិញ កំណែថ្មីជាងនេះ មានទំនោរនឹងទស្សន៍ទាយកាន់តែច្រើន ដែលបណ្តាលឱ្យមានចម្លើយកាន់តែច្រើនជារួម រួមទាំងទាំងត្រឹមត្រូវ និងមិនត្រឹមត្រូវ។ គួរឱ្យព្រួយបារម្ភជាងនេះទៅទៀត ការសិក្សាបានរកឃើញថា LLMs ទាំងអស់នៅតែផ្តល់ចម្លើយមិនត្រឹមត្រូវម្តងម្កាល សូម្បីតែសំណួរងាយៗ ដែលបង្ហាញថាភាពជឿជាក់របស់ពួកគេនៅតែជាបញ្ហាដែលត្រូវការការកែលម្អ។

ការរកឃើញទាំងនេះបង្ហាញពីភាពផ្ទុយគ្នានៅក្នុងការវិវត្តន៍នៃ AI៖ ខណៈពេលដែលម៉ូដែលកាន់តែមានថាមពល ពួកវាក៏អាចនឹងកាន់តែមានតម្លាភាពចំពោះដែនកំណត់របស់ពួកគេផងដែរ។

នេះបង្កបញ្ហាប្រឈមថ្មីក្នុងការប្រើប្រាស់ និងការជឿទុកចិត្តលើប្រព័ន្ធ AI ដែលតម្រូវឱ្យអ្នកប្រើប្រាស់មានការប្រុងប្រយ័ត្នជាងមុន និងអ្នកអភិវឌ្ឍន៍ផ្តោតលើការកែលម្អមិនត្រឹមតែភាពត្រឹមត្រូវប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំង "ការយល់ដឹងដោយខ្លួនឯង" នៃម៉ូដែលផងដែរ។