الذكاء الاصطناعي يفوّت الغوريلا: نماذج اللغات الكبيرة تواجه صعوبة في تحليل البيانات الاستكشافي

أظهرت دراسة أن الطلاب الذين حصلوا على فرضيات محددة لاختبارها كانوا أقل عرضة لملاحظة الشذوذ الواضحة في بياناتهم، مقارنة بالطلاب الذين قاموا بالاستكشاف بحرية. قام الكاتب بعد ذلك باختبار نماذج اللغات الكبيرة (LLMs)، ChatGPT 4 و Claude 3.5، في تحليل البيانات الاستكشافي. فشلت كلتا النموذجين في تحديد الأنماط الواضحة في تصوراتها المُولّدة في البداية؛ فقط بعد تقديم صور للتصورات تمكنوا من اكتشاف الشذوذ. هذا يبرز حدود قدرات تحليل البيانات الاستكشافي لـ LLMs، مُظهرًا تحيزًا للتحليل الكمي بدلاً من التعرف على الأنماط البصرية. هذه ميزة وقوة في نفس الوقت (تجنب التحيز الإدراكي البشري) وضعف (ربما يفوّت رؤى مهمة).