Yapay zeka modellerinde dikkat testi şoku! İnsan beyniyle fark ortaya çıktı

Yapay zeka alanında önde gelen modeller, psikolojide uzun yıllardır kullanılan bir dikkat testine tabi tutuldu ve sonuçlar insan beyniyle aralarındaki önemli farkları ortaya çıkardı. Araştırmacılar, klasik Stroop göreviyle ChatGPT, Claude ve Gemini gibi büyük dil modellerinin dikkat süreçlerini analiz etti. Testin başında kısa renk listelerinde yüksek doğruluk oranları elde eden yapay zeka sistemleri, görev karmaşıklaştıkça ve liste uzadıkça ciddi bir performans düşüşü yaşadı. Bazı modeller, beş kelimelik listelerde yüzde 90'ın üzerinde doğruluk sergilerken, kırk kelimelik karmaşık listelerde neredeyse tamamen başarısız oldu. Bu durum, yapay zekanın insan beyniyle kıyaslandığında dikkat ve bilişsel kontrol alanında temel zayıflıklara sahip olduğunu gösterdi.

Stroop göreviyle yapay zeka ve insan beyni karşı karşıya

Stroop görevi, psikoloji dünyasında dikkat, konsantrasyon ve öz kontrolü ölçmek için sıkça kullanılan bir test olarak biliniyor. Testte, "kırmızı", "mavi" veya "yeşil" gibi renk isimleri farklı renkte mürekkeplerle yazılıyor ve katılımcılardan kelimenin anlamına bakmadan sadece mürekkep rengini adlandırmaları bekleniyor. Bu görev, insan beyni için otomatikleşmiş okuma alışkanlığını bastırmayı ve dikkatini farklı bir hedefe yönlendirmeyi gerektiriyor. Araştırmada, aynı test büyük dil modeli tabanlı yapay zeka sistemlerine uygulandı. Kısa ve basit listelerde yapay zeka doğru yanıtlar verirken, liste uzadıkça ve çelişkili renk-kelime kombinasyonları arttıkça sistemlerin performansı hızla düştü. Özellikle, eşleşmeyen kelime ve renklerin bir arada bulunduğu uzun listelerde, yapay zeka modelleri mürekkep rengini doğru tanımlamakta ciddi şekilde zorlandı.

Yapay zeka modellerinde dikkat kaybı: Sayısal veriler çarpıcı

Deneyde elde edilen sayısal veriler, yapay zeka sistemlerinin dikkat testinde karşılaştığı zorlukları somut biçimde ortaya koydu. GPT-4o modeli, beş kelimelik listelerde yüzde 91 doğruluk oranına ulaştı. Ancak on kelimelik listelerde bu oran yüzde 57'ye, kırk kelimelik listelerde ise sadece yüzde 15'e geriledi. Claude 3.5 Sonnet modeli, yirmi kelimelik listelerde istikrarlı bir performans gösterse de, kırk kelimelik listelerde yüzde 24 doğruluk oranına kadar düştü. Diğer önde gelen yapay zeka sistemlerinde de benzer bir tablo gözlemlendi. Araştırmacılar, özellikle eşleşmeyen renk-kelime kombinasyonlarının bir arada sunulduğu durumlarda, yapay zeka modellerinin kelimeyi okumaktan vazgeçip mürekkep rengini tanımlama talimatını sürdürmekte zorlandığını belirtti. Bu sonuçlar, yapay zekanın insan beyninin dikkat süreçlerini taklit edemediğini ve bilişsel kontrol gerektiren görevlerde ciddi sınırlamalara sahip olduğunu gösteriyor.

İnsan beyniyle yapay zeka arasındaki dikkat farkı netleşiyor

Çalışmanın en dikkat çekici bulgularından biri, insan beyninin dikkat ve bilişsel kontrol konusunda yapay zekadan çok daha üstün olması. İnsanlar, otomatikleşmiş okuma alışkanlığına rağmen, karmaşık ve uzun listelerde bile mürekkep rengini doğru adlandırmaya devam edebiliyor. Buna karşın, yapay zeka sistemleri görev karmaşıklaştıkça talimatı unutma ve yanlış yanıt verme eğilimine giriyor. Araştırmacılar, yapay zeka modellerinin özellikle dikkat dağıtıcı unsurlar arttığında ve görevler uzadığında, insan benzeri bir bilişsel kontrol sergilemekte zorlandığını vurguladı. Bu durum, mevcut yapay zeka teknolojisinin insan davranışını taklit etme kapasitesinin sınırlarını ortaya koyuyor. Ayrıca, günümüz büyük dil modellerinin dikkat gerektiren görevlerde neden beklenen başarıyı gösteremediğini de açıklıyor.