Автор admin 
Про це пише видання Gizmodo.
Дослідники проаналізували понад 130 робіт і виявили, що, хоч ШІ використовує величезні обсяги інформації, його відповіді менш різноманітні, ніж думки людей.
Читайте также: Мітла на колесах. Робот з 3D-камерою шукає загублені речі в домі на 30% швидше
Команда пояснює це тим, що моделі здатні лише знаходити повторювані патерни у навчальних даних і відтворювати їх. Вони часто відображають обмежену точку зору домінуючу в тренувальних даних. «LLM відображають вузький і спотворений зріз людського досвіду», — зазначив автор дослідження Жівар Сураті.
Дослідження показало, що постійна робота з такими моделями може змінювати стиль мислення людей, роблячи його більш лінійним та схожим на інформацію, яку надає ШІ. Люди, які використовують ШІ для генерації ідей, отримують більше обсягу тексту, але менш креативного. Навіть групова робота з LLM дає менше ідей, ніж традиційне обговорення серед людей, оскільки модель обмежує різноманітність перспектив.
Читайте также: Подібно до води чи електрики. Сам Альтман назвав ШІ комунальною послугою і пояснив, як це працюватиме
Вчені наголошують, що різноманітність думок і досвіду важлива для ефективності команд та організацій. Використання моделей, які стимулюють консенсусне мислення замість різноманітного, може зменшувати потенціал для інновацій.
Читайте также: Сценарії аварій. Суперкомп’ютери допомогли змоделювати небезпечні процеси всередині ядерних реакторів
- Тотальне стеження. Як штучний інтелект змінює міську безпеку (і чи на краще)
- Чому США відстають від Китаю в гонці за штучний інтелект і що з цим можна зробити
- Економія — понад трильйон доларів. Штучний інтелект вже здатний замінити 11,7% працівників США