مختبرات الذكاء الاصطناعي تسعى للتعاون مع ناقد فيروسي يكشف إخفاقات المحادثات الآلية

حول الكوميدي وصانع المحتوى مات هسك اختبارات الضغط على نماذج الذكاء الاصطناعي إلى عمل فيروسي، جامعاً نحو مليوني متابع عبر إنستغرام وتيك توك ويوتيوب. صيغته بسيطة: طلبات بوجه جاد لوضع الصوت في تشات جي بي تي — العد إلى 100، أداء إيقاع، توقيت جري ميل — تكشف الهلوسة، والنفاق، وإخفاقات الاستدلال الأساسية. المقاطع الناتجة أكسبته لقب "أسوأ كابوس لسام ألتمان" بعد أن أقر ألتمان نفسه بخطأ المؤقت في بودكاست، واصفاً إياه بـ "المشكلة المعروفة" التي قد تستمر لعام آخر.

المختبرات ترد بالوصول والحوافز

أوبن أيه آي، وأنثروبيك، وإكس أيه آي التابعة لإيلون ماسك تواصلت جميعها مع هسك للتعاون. أوبن أيه آي عرضت وصولاً مبكراً لإصلاح المؤقت، ثم هدايا مقابل تفاصيل حسابه؛ رفض كليهما. إكس أيه آي عرضت تسلا لأسبوع من المحتوى الحصري. هذا التواصل يشير إلى أن المختبرات الرائدة أصبحت تعامل الاختبارات العامة من المبدعين كإشارة موثوقة لجاهزية النموذج — وكخطر تسويقي عندما تنتشر هذه الاختبارات.

أكثر فيديوهات هسك كشفاً تضع النماذج أمام مهام اعتيادية: التفاوض على خبز بسعر 10,000 دولار في كريغزلست ليصل إلى 5 دولارات (النموذج استقر على 400 دولار)، أو محاكاة طوارئ حيث يجيب المساعد "أنا أدعمك". هذه المقالب تسلط الضوء على فجوة مصداقية متزايدة. المختبرات تقيس الأداء ضد مجموعات أكاديمية بينما المستخدمون يواجهون إخفاقات في الجدولة، والتوقيت، والتجارة الأساسية — مهام تتطلب استخدام أدوات موثوق وذاكرة، لا مجرد توقع رموز.

لماذا هذا مهم للبنية التحتية للذكاء الاصطناعي / وحدات معالجة الرسوميات: مع تحول أعباء الاستدلال من معايير الدفعات إلى وكلاء صوتيين دائمي التشغيل، تتضاعف تكلفة المخرجات غير الموثوقة. كل مؤقت هلوسي أو تفاوض فاشل يستهلك دورات حوسبة دون تقديم قيمة. مزودو البنية التحتية يجب أن يحسنوا للخدمة المستمرة منخفضة الكمون لنماذج قادرة على تنفيذ سلاسل أدوات متعددة الخطوات — لا مجرد تحقيق درجات عالية في لوائح صدارة ثابتة.