Ілюзія мислення: дослідження Apple виявило обмеження ШІ-моделей у складних задачах

Попри здатність генерувати «міркування вголос», сучасні штучні інтелекти виявляють значні труднощі при розв’язанні складних логічних задач. Дослідження Apple показує, що моделі не «думають», а відтворюють знайомі шаблони з навчання.Команда дослідників Apple представила дослідження, що ставить під сумнів здатність найновіших мовних моделей штучного інтелекту (таких як o1 та o3 OpenAI, DeepSeek-R1 та Claude 3.5 Sonnet Thinking) до справжнього логічного мислення. На думку авторів, так звані «великі моделі міркування» (Large Reasoning Models, LRM), які нібито імітують людське міркування крок за кроком, часто лише відтворюють знайомі шаблони зі своїх тренувальних даних. У випадках нових або нестандартних завдань (зокрема математичних) ці моделі показують різке падіння ефективності.Apple протестувала LRM у спеціально створеному середовищі головоломок, де можна керовано змінювати складність. Результати показали:На простих завданнях стандартні LLM працюють краще за «міркуючі» моделі. На середній складності LRM показують переваги завдяки багатокроковому підходу. А на високій складності обидва типи моделей зазнають краху: міркування стає непослідовним, алгоритмічні кроки – невиразними, а точність — катастрофічно падає.Навіть при наявності достатньої кількості токенів для відповіді, моделі не демонструють стабільного покращення продуктивності — іноді збільшення складності задачі веде не до глибшого аналізу, а до «розвалу» логіки.