ਨੈਸ਼ਨਲ ਅਕੈਡਮੀ ਆਫ਼ ਸਾਇੰਸਿਜ਼ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਇੱਕ ਨਵੇਂ ਅਧਿਐਨ ਦੇ ਅਨੁਸਾਰ, ਨਕਲੀ ਬੁੱਧੀ ਭਾਸ਼ਾ ਦੇ ਮਾਡਲ ਵਿਕਲਪਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਸੂਖਮ ਤਬਦੀਲੀਆਂ ਲਈ ਖਤਰਨਾਕ ਤੌਰ 'ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ, ਗੁੰਮਰਾਹਕੁੰਨ ਨਡਜ਼ ਦਾ ਜਵਾਬ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਮਜ਼ਬੂਤੀ ਨਾਲ ਕਰਦੇ ਹਨ।
ਖੋਜਾਂ ਵਿੱਤੀ ਲੈਣ-ਦੇਣ ਤੋਂ ਲੈ ਕੇ ਹੈਲਥਕੇਅਰ ਚੋਣਾਂ ਤੱਕ, ਅਸਲ-ਸੰਸਾਰ ਦੇ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਖੁਦਮੁਖਤਿਆਰੀ ਫੈਸਲੇ ਲੈਣ ਲਈ AI ਏਜੰਟਾਂ ਨੂੰ ਤਾਇਨਾਤ ਕਰਨ ਬਾਰੇ ਗੰਭੀਰ ਚਿੰਤਾਵਾਂ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ। ਜਿਵੇਂ ਕਿ AI Buzz Wire ਨੇ ਰਿਪੋਰਟ ਕੀਤੀ ਹੈ, ਕੰਪਨੀਆਂ ਗੁੰਝਲਦਾਰ ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਤਰਫੋਂ ਕੰਮ ਕਰਨ ਲਈ LLM-ਸੰਚਾਲਿਤ ਏਜੰਟਾਂ ਦੀ ਸਥਿਤੀ ਵਧਾ ਰਹੀਆਂ ਹਨ।
ਮੈਸੇਚਿਉਸੇਟਸ ਇੰਸਟੀਚਿਊਟ ਆਫ ਟੈਕਨਾਲੋਜੀ ਦੀ ਮੀਡੀਆ ਲੈਬ ਦੇ ਡਾਕਟਰੇਟ ਵਿਦਿਆਰਥੀ, ਮੈਨੁਅਲ ਚੈਰੇਪ ਦੀ ਅਗਵਾਈ ਵਾਲੇ ਅਧਿਐਨ ਨੇ ਪ੍ਰਮੁੱਖ ਤਕਨਾਲੋਜੀ ਕੰਪਨੀਆਂ ਤੋਂ 14 ਆਧੁਨਿਕ ਭਾਸ਼ਾ ਦੇ ਮਾਡਲਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ। ਟੈਸਟ ਕੀਤੇ ਗਏ ਮਾਡਲਾਂ ਵਿੱਚ ਓਪਨਏਆਈ ਦੇ GPT-3.5, GPT-4, ਅਤੇ GPT-5 ਪਰਿਵਾਰਾਂ ਦੇ ਸੰਸਕਰਣ, ਐਂਥਰੋਪਿਕ ਦੇ ਕਲੌਡ 3 ਅਤੇ 4.5 ਮਾਡਲ, ਅਤੇ ਗੂਗਲ ਦੇ ਜੈਮਿਨੀ 1.5 ਅਤੇ 2.5 ਮਾਡਲ ਸ਼ਾਮਲ ਸਨ।
ਅਧਿਐਨ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਮੂਲ ਰੂਪ ਵਿੱਚ ਮਨੁੱਖੀ ਭਾਗੀਦਾਰਾਂ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਇੱਕ ਬਹੁ-ਵਿਸ਼ੇਸ਼ ਫੈਸਲਾ ਲੈਣ ਵਾਲੀ ਖੇਡ ਨੂੰ ਅਨੁਕੂਲਿਤ ਕੀਤਾ। ਗੇਮ ਇੱਕ ਡਿਜ਼ੀਟਲ ਗਰਿੱਡ ਪੇਸ਼ ਕਰਦੀ ਹੈ ਜੋ ਛੁਪੇ ਹੋਏ ਇਨਾਮਾਂ ਦੀਆਂ ਟੋਕਰੀਆਂ ਦੀ ਨੁਮਾਇੰਦਗੀ ਕਰਦੀ ਹੈ, ਜਿਸਦਾ ਟੀਚਾ ਉੱਚਤਮ ਬਿੰਦੂ ਮੁੱਲ ਵਾਲੀ ਟੋਕਰੀ ਦੀ ਚੋਣ ਕਰਕੇ ਅੰਤਮ ਇਨਾਮ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨਾ ਹੈ। ਹਰੇਕ ਸੈੱਲ ਲਾਗਤ ਅੰਕਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਇੱਕ ਬਿਹਤਰ ਟੋਕਰੀ ਲੱਭਣ ਦੇ ਲਾਭ ਦੇ ਵਿਰੁੱਧ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਨ ਦੀ ਲਾਗਤ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਦੇ ਹਨ।
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇਸ ਵਿਜ਼ੂਅਲ ਗੇਮ ਨੂੰ ਟੈਕਸਟ-ਅਧਾਰਤ ਫਾਰਮੈਟ ਵਿੱਚ ਬਦਲ ਦਿੱਤਾ ਹੈ ਜਿਸਦੀ ਭਾਸ਼ਾ ਮਾਡਲ ਪ੍ਰਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹਨ। AI ਮਾਡਲਾਂ ਨੇ ਵੱਖ-ਵੱਖ ਪ੍ਰੇਰਨਾ ਦੇਣ ਵਾਲੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਸੈਂਕੜੇ ਅਜ਼ਮਾਇਸ਼ਾਂ ਰਾਹੀਂ ਖੇਡਿਆ। ਕੁਝ ਨੂੰ ਬੁਨਿਆਦੀ ਹਿਦਾਇਤਾਂ ਪ੍ਰਾਪਤ ਹੋਈਆਂ, ਕੁਝ ਨੂੰ ਕਦਮ-ਦਰ-ਕਦਮ ਤਰਕ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਵਾਲੇ ਪ੍ਰੋਂਪਟ ਪ੍ਰਾਪਤ ਹੋਏ, ਅਤੇ ਦੂਜਿਆਂ ਨੂੰ ਮਨੁੱਖੀ ਗੇਮਪਲੇ ਦੀਆਂ ਪਿਛਲੀਆਂ ਉਦਾਹਰਣਾਂ ਦਿਖਾਈਆਂ ਗਈਆਂ। ਹਰ ਕਿਸਮ ਦੇ ਨਜ ਲਈ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਪ੍ਰਤੀ ਮਾਡਲ ਲਗਭਗ 300 ਤੋਂ 340 ਟਰਾਇਲ ਕੀਤੇ, ਕੁੱਲ ਮਿਲਾ ਕੇ ਲਗਭਗ ਦੋ ਬਿਲੀਅਨ ਟੈਕਸਟ ਟੋਕਨਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ।
ਚਾਰ ਕਿਸਮ ਦੇ ਨਡਜ਼ ਟੈਸਟ ਕੀਤੇ ਗਏ
ਅਧਿਐਨ ਨੇ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਫੈਸਲੇ ਵਾਲੇ ਵਾਤਾਵਰਣਾਂ ਦੀ ਨਕਲ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਚਾਰ ਖਾਸ ਕਿਸਮ ਦੇ ਨਡਜ਼ ਦੀ ਜਾਂਚ ਕੀਤੀ:
- ਡਿਫੌਲਟ ਨਡਜ਼: ਇੱਕ ਟੋਕਰੀ ਪਹਿਲਾਂ ਤੋਂ ਚੁਣੀ ਗਈ ਸੀ, ਅਤੇ ਏਜੰਟ ਨੂੰ ਇਸਨੂੰ ਸਰਗਰਮੀ ਨਾਲ ਸਵੀਕਾਰ ਜਾਂ ਅਸਵੀਕਾਰ ਕਰਨਾ ਪਿਆ ਸੀ।
- ਸੁਝਾਅ ਨਡਜ਼: ਇੱਕ ਬੇਤਰਤੀਬ ਟੋਕਰੀ ਦੀ ਸਿਫਾਰਸ਼ ਜਾਂ ਤਾਂ ਖੇਡ ਵਿੱਚ ਜਲਦੀ ਜਾਂ ਦੇਰ ਨਾਲ ਕੀਤੀ ਗਈ ਸੀ।
- ਜਾਣਕਾਰੀ ਨੂੰ ਉਜਾਗਰ ਕਰਨਾ: ਇਹ ਕੁਝ ਖਾਸ ਇਨਾਮੀ ਮੁੱਲਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਨ ਲਈ ਸਸਤਾ ਬਣਾਇਆ ਗਿਆ ਸੀ, ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਏਜੰਟ ਨੂੰ ਸਬ-ਅਨੁਕੂਲ ਵਿਕਲਪਾਂ ਵੱਲ ਵਧਾਉਂਦਾ ਹੈ।
- ਅਨੁਕੂਲ ਨਡਜ਼: ਖਾਸ ਸੈੱਲ ਪਹਿਲਾਂ ਤੋਂ ਪ੍ਰਗਟ ਕੀਤੇ ਗਏ ਸਨ ਜੋ ਗਣਿਤਿਕ ਤੌਰ 'ਤੇ ਮਨੁੱਖੀ ਖਿਡਾਰੀ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨਗੇ।
ਚਿੰਤਾਜਨਕ ਪਾਲਣਾ ਦਰਾਂ
ਨਤੀਜਿਆਂ ਨੇ ਮਨੁੱਖੀ ਅਤੇ AI ਫੈਸਲੇ ਲੈਣ ਦੇ ਵਿਵਹਾਰ ਵਿੱਚ ਨਾਟਕੀ ਅੰਤਰ ਪ੍ਰਗਟ ਕੀਤੇ।
ਜਦੋਂ ਇੱਕ ਡਿਫੌਲਟ ਵਿਕਲਪ ਪੇਸ਼ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਮਨੁੱਖਾਂ ਨੇ ਲਗਭਗ 88 ਪ੍ਰਤੀਸ਼ਤ ਸਮੇਂ ਨੂੰ ਡਿਫੌਲਟ ਚੁਣਿਆ। ਭਾਸ਼ਾ ਦੇ ਮਾਡਲ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਅਨੁਕੂਲ ਸਨ, ਕਈ ਮਾਡਲਾਂ ਨੇ ਡਿਫੌਲਟ ਟੋਕਰੀ ਨੂੰ 99 ਤੋਂ 100 ਪ੍ਰਤੀਸ਼ਤ ਸਮਾਂ ਸਵੀਕਾਰ ਕੀਤਾ।
ਇਹ ਪੈਟਰਨ ਸੁਝਾਅ ਦੇ ਨਾਲ ਜਾਰੀ ਰਿਹਾ। ਮਨੁੱਖਾਂ ਨੇ 35 ਪ੍ਰਤੀਸ਼ਤ ਸਮੇਂ ਦੀ ਖੇਡ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਬੇਤਰਤੀਬੇ ਸੁਝਾਏ ਗਏ ਟੋਕਰੀਆਂ ਨੂੰ ਸਵੀਕਾਰ ਕੀਤਾ। ਬਹੁਤ ਸਾਰੇ AI ਮਾਡਲਾਂ ਨੇ ਇਹਨਾਂ ਬੇਤਰਤੀਬੇ ਸੁਝਾਵਾਂ ਨੂੰ ਬਹੁਤ ਉੱਚੀਆਂ ਦਰਾਂ 'ਤੇ ਸਵੀਕਾਰ ਕੀਤਾ, ਸਲਾਹ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹੋਏ, ਭਾਵੇਂ ਇਸਦਾ ਕੋਈ ਤਰਕਪੂਰਨ ਲਾਭ ਨਹੀਂ ਸੀ।
ਸੁਝਾਵਾਂ ਦੇ ਸਮੇਂ ਨੇ ਵੀ ਮਾਡਲਾਂ ਨੂੰ ਗੈਰ-ਕੁਦਰਤੀ ਤਰੀਕਿਆਂ ਨਾਲ ਹੇਰਾਫੇਰੀ ਕੀਤਾ। ਜਦੋਂ ਕਿ ਮਨੁੱਖਾਂ ਨੇ 25 ਪ੍ਰਤੀਸ਼ਤ ਦੇਰ ਨਾਲ ਸੁਝਾਵਾਂ ਦੀ ਪਾਲਣਾ ਕੀਤੀ, ਕੁਝ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨੇ ਆਪਣੀ ਸਵੀਕ੍ਰਿਤੀ ਦਰਾਂ ਨੂੰ 7 ਅਤੇ 13 ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਵਿਚਕਾਰ ਘਟਾ ਦਿੱਤਾ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਮਾਡਲ ਇਸਦੀ ਅਸਲ ਉਪਯੋਗਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦੀ ਬਜਾਏ ਕਯੂ ਦੇ ਸਮੇਂ 'ਤੇ ਸਖਤੀ ਨਾਲ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰ ਰਹੇ ਸਨ।
ਸ਼ਾਇਦ ਸਭ ਤੋਂ ਵੱਧ ਚਿੰਤਾਜਨਕ ਤੌਰ 'ਤੇ, ਜਦੋਂ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਜਾਣਕਾਰੀ ਨੂੰ ਉਜਾਗਰ ਕਰਨ ਦੁਆਰਾ ਸਬ-ਓਪਟੀਮਲ ਵਿਕਲਪਾਂ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ, ਮਨੁੱਖਾਂ ਨੇ ਉਸ ਗੁੰਮਰਾਹਕੁੰਨ ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ 57 ਪ੍ਰਤੀਸ਼ਤ ਵਾਰ ਕੀਤੀ। ਜ਼ਿਆਦਾਤਰ ਟੈਸਟ ਕੀਤੇ AI ਮਾਡਲਾਂ ਨੇ 83 ਤੋਂ 100 ਪ੍ਰਤੀਸ਼ਤ ਸਮੇਂ ਦੇ ਖਰਾਬ ਹਾਈਲਾਈਟ ਤੋਂ ਬਾਅਦ, ਇਸ ਬੇਸਲਾਈਨ ਨੂੰ ਕਾਫ਼ੀ ਹੱਦ ਤੱਕ ਓਵਰਸ਼ੌਟ ਕੀਤਾ।
ਚੰਗੇ ਸਕੋਰ ਦੇ ਪਿੱਛੇ ਲੁਕੀਆਂ ਸਮੱਸਿਆਵਾਂ
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇਹ ਵੀ ਟਰੈਕ ਕੀਤਾ ਕਿ ਕਿਵੇਂ ਮਾਡਲਾਂ ਨੇ ਅੰਤਿਮ ਚੋਣ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕੀਤੀ। ਮਨੁੱਖ ਇੱਕ ਪੜ੍ਹੇ-ਲਿਖੇ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਕਾਫ਼ੀ ਸੈੱਲਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦੇ ਹਨ। ਭਾਸ਼ਾ ਦੇ ਮਾਡਲਾਂ ਨੇ ਬਹੁਤ ਹੀ ਅਸਾਧਾਰਨ ਅਤੇ ਅਕੁਸ਼ਲ ਤਰੀਕਿਆਂ ਨਾਲ ਜਾਣਕਾਰੀ ਹਾਸਲ ਕੀਤੀ।
ਕੁਝ ਮਾਡਲਾਂ ਨੇ ਡਾਟਾ ਇਕੱਠਾ ਕਰਨ ਦੇ ਮੌਕੇ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਅਣਡਿੱਠ ਕਰਦੇ ਹੋਏ, ਕਿਸੇ ਵੀ ਲੁਕਵੇਂ ਸੈੱਲਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕੀਤੇ ਬਿਨਾਂ ਟੋਕਰੀਆਂ ਦੀ ਚੋਣ ਕੀਤੀ। ਹੋਰ ਮਾਡਲਾਂ ਨੇ ਆਪਣੇ ਸੰਭਾਵੀ ਇਨਾਮਾਂ ਨੂੰ ਬਰਬਾਦ ਕਰਦੇ ਹੋਏ, ਪੂਰੀ ਕਤਾਰਾਂ ਜਾਂ ਕਾਲਮਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਨ ਲਈ ਬਹੁਤ ਜ਼ਿਆਦਾ ਅੰਕ ਖਰਚ ਕੀਤੇ। ਕੁਝ ਮਾਡਲਾਂ ਨੇ ਅਜੀਬ ਸਥਾਨਿਕ ਪੱਖਪਾਤ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ, ਸਿਰਫ ਗਰਿੱਡ ਦੇ ਬਿਲਕੁਲ ਖੱਬੇ ਪਾਸੇ ਜਾਂ ਤਿਰਛੇ ਰੇਖਾਵਾਂ ਦੇ ਨਾਲ ਸਖਤੀ ਨਾਲ ਸੈੱਲਾਂ ਨੂੰ ਖੋਲ੍ਹਦੇ ਹੋਏ।
ਇਹਨਾਂ ਅਜੀਬ ਖੋਜ ਆਦਤਾਂ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਕਦਮ-ਦਰ-ਕਦਮ ਤਰਕ ਪ੍ਰੋਂਪਟ ਜਾਂ ਮਨੁੱਖੀ ਗੇਮਪਲੇ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਦੇ ਨਾਲ ਮਾਡਲ ਪ੍ਰਦਾਨ ਕਰਨਾ ਬਹੁਤ ਘੱਟ ਕੀਤਾ ਹੈ।
ਲੇਖਕਾਂ ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਸਿਰਫ ਅੰਤਮ ਸਕੋਰਾਂ ਨੂੰ ਦੇਖ ਕੇ ਇਹਨਾਂ ਅੰਤਰੀਵ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਛੁਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਕੁਝ ਅਜ਼ਮਾਇਸ਼ਾਂ ਵਿੱਚ, AI ਮਾਡਲਾਂ ਨੇ ਮਨੁੱਖੀ ਖਿਡਾਰੀਆਂ ਦੇ ਬਰਾਬਰ ਕੁੱਲ ਅੰਕ ਹਾਸਲ ਕੀਤੇ। ਸਿਰਫ਼ ਅੰਤਮ ਸਕੋਰ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਾ ਇੱਕ ਆਮ ਨਿਰੀਖਕ ਇਹ ਮੰਨ ਸਕਦਾ ਹੈ ਕਿ ਮਾਡਲ ਸਮਾਰਟ, ਮਨੁੱਖ-ਵਰਗੇ ਵਿਕਲਪ ਬਣਾ ਰਹੇ ਸਨ। ਵਾਸਤਵ ਵਿੱਚ, ਮਾਡਲ ਅਕਸਰ ਰਣਨੀਤਕ ਸੋਚ ਦੀ ਬਜਾਏ ਅੰਨ੍ਹੇ ਅਨੁਪਾਲਨ ਦੁਆਰਾ ਇਹਨਾਂ ਸਕੋਰਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰ ਰਹੇ ਸਨ।
ਜੇਕਰ ਇੱਕ ਨਜ ਇੱਕ ਚੰਗੀ ਟੋਕਰੀ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਲਈ ਵਾਪਰਿਆ, ਤਾਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਅਨੁਕੂਲ AI ਨੇ ਵਧੀਆ ਸਕੋਰ ਕੀਤਾ। ਜਦੋਂ ਨਜ ਨੇ ਇੱਕ ਖਰਾਬ ਟੋਕਰੀ ਵੱਲ ਇਸ਼ਾਰਾ ਕੀਤਾ, ਤਾਂ AI ਨੇ ਅੰਨ੍ਹੇਵਾਹ ਇਸ ਨੂੰ ਹੇਠਲੇ ਸਕੋਰ ਵਿੱਚ ਲਿਆ, ਖੇਡ ਦੇ ਉਦੇਸ਼ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗੁਆ ਦਿੱਤਾ।
AI ਏਜੰਟ ਦੀ ਤਾਇਨਾਤੀ ਲਈ ਪ੍ਰਭਾਵ
ਚੇਰੇਪ ਨੇ ਕਿਹਾ, "ਏਆਈ ਏਜੰਟਾਂ ਦੀਆਂ ਬਹੁਤ ਸਾਰੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਇਹ ਮੰਨਦੀਆਂ ਹਨ ਕਿ, ਅਨਿਸ਼ਚਿਤਤਾ ਦੇ ਤਹਿਤ, ਉਹ ਲਗਭਗ ਮਨੁੱਖਾਂ ਵਰਗੇ ਤਰੀਕਿਆਂ ਨਾਲ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰਨਗੇ, ਜੇ ਜ਼ਿਆਦਾ ਤਰਕਸੰਗਤ ਨਹੀਂ," ਚੈਰੇਪ ਨੇ ਕਿਹਾ। "ਇਸ ਧਾਰਨਾ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਅਸੀਂ ਇਹ ਪਤਾ ਲਗਾਉਣ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਕਿ ਏਜੰਟ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕਰਦੇ ਹਨ ਜਦੋਂ ਵਿਕਲਪ ਉਹਨਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਪੇਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ."
ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ ਦਾ ਵੈੱਬ ਬ੍ਰਾਊਜ਼ ਕਰਨ, ਟੂਲ ਚਲਾਉਣ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਵਿੱਤੀ ਜਾਂ ਖਰੀਦਦਾਰੀ ਫੈਸਲੇ ਲੈਣ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਏਆਈ ਏਜੰਟਾਂ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਹੇ ਬਾਜ਼ਾਰ ਲਈ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵ ਹਨ। ਜੇਕਰ ਇਹ ਏਜੰਟ ਆਲੋਚਨਾਤਮਕ ਮੁਲਾਂਕਣ ਤੋਂ ਬਿਨਾਂ ਡਿਫੌਲਟ ਵਿਕਲਪਾਂ, ਸੁਝਾਵਾਂ ਜਾਂ ਹਾਈਲਾਈਟ ਕੀਤੀ ਜਾਣਕਾਰੀ ਦੀ ਅੰਨ੍ਹੇਵਾਹ ਪਾਲਣਾ ਕਰਦੇ ਹਨ, ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਮਾੜੇ ਅਦਾਕਾਰਾਂ ਜਾਂ ਮਾੜੇ ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਇੰਟਰਫੇਸਾਂ ਦੁਆਰਾ ਆਸਾਨੀ ਨਾਲ ਹੇਰਾਫੇਰੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।
ਖੋਜ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ ਕਿ ਮੌਜੂਦਾ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਵਿੱਚ ਸੀਮਿਤ ਤਰਕਸ਼ੀਲਤਾ ਦੀ ਘਾਟ ਹੈ ਜੋ ਮਨੁੱਖੀ ਫੈਸਲੇ ਲੈਣ ਦੀ ਅਗਵਾਈ ਕਰਦੀ ਹੈ। ਜਦੋਂ ਕਿ ਮਨੁੱਖ ਚੰਗੀ ਚੋਣ ਕਰਨ ਦੇ ਇਨਾਮ ਦੇ ਵਿਰੁੱਧ ਜਾਣਕਾਰੀ ਇਕੱਠੀ ਕਰਨ ਦੀ ਲਾਗਤ ਨੂੰ ਸੰਤੁਲਿਤ ਕਰਨ ਲਈ ਮਾਨਸਿਕ ਸ਼ਾਰਟਕੱਟਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, AI ਮਾਡਲ ਇਹਨਾਂ ਜੀਵ-ਵਿਗਿਆਨਕ ਰੁਕਾਵਟਾਂ ਨੂੰ ਸਾਂਝਾ ਨਹੀਂ ਕਰਦੇ ਹਨ, ਫਿਰ ਵੀ ਉਹ ਆਪਣੀ ਤਰਕਹੀਣਤਾ ਦੇ ਆਪਣੇ ਰੂਪ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੇ ਹਨ ਜੋ ਦਲੀਲ ਨਾਲ ਵਧੇਰੇ ਅਤਿਅੰਤ ਅਤੇ ਘੱਟ ਅਨੁਮਾਨਯੋਗ ਹੈ।
AI ਤੋਂ ਅੱਗੇ ਰਹੋ
ਹੋਰ ਤਾਜ਼ਾ AI ਖਬਰਾਂ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ, AI Buzz Wire 'ਤੇ ਜਾਓ।
ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →
