تحلیل چالش‌های درک پرسش‌های ساده در هوش مصنوعی GPT-5

چرا هوش مصنوعی GPT-5 در درک پرسش‌های ساده دچار هذیان می‌شود؟

اموزش

چند ماهی از رونمایی از مدل زبانی GPT-5 می‌گذرد. این بروزرسانی، انتظار کاربران را برای دستیابی به سطحی از هوشمندی که به هوش جامع مصنوعی (AGI) نزدیک باشد، بالا برده بود؛ یعنی ماشین‌هایی که بتوانند مانند انسان استدلال کنند و مسائل پیچیده را حل نمایند. اما در عمل، تجربه کاربران در شبکه‌های اجتماعی روایتی متفاوت را روایت می‌کند. نسخه جدید چت‌جی‌پی‌تی در مواجهه با پرسش‌های ابتدایی و بی‌ضرر، سردرگمی عجیبی را به نمایش گذاشت.

نمونه‌ای ملموس: معمای تیم‌های لیگ فوتبال آمریکایی

یکی از پرسش‌های ساده‌ای که ناکامی مدل را آشکار کرد، این بود: «آیا تیمی در لیگ فوتبال آمریکایی (NFL) وجود دارد که نامش با حرف S تمام نشود؟» پاسخ این سوال برای هر فردی با آشنایی سطحی با این لیگ، بله است؛ زیرا نام همهٔ ۳۲ تیم این لیگ با حرف S به پایان می‌رسد — از میامی دلفینز و گرین بی پکرز تا واشینگتن کامندرز و شیکاگو بیرز.

اما پاسخ هوش مصنوعی تبدیل به یک ماجرای طولانی و گیج‌کننده شد. در ابتدا با اطمینان کامل اعلام کرد: «بله، دو تیم وجود دارند که نامشان با S تمام نمی‌شود.» سپس «میامی دلفینز» و «گرین بی پکرز» را به عنوان مثال آورد، در حالی که هر دو دقیقاً با S ختم می‌شوند. پس از آن، خطای خود را تشخیص داد و تصحیح کرد: «صبر کنید، منظورم واشینگتن کامندرز و شیکاگو بیرز است» — که باز هم هر دو با S تمام می‌شوند. این چرخه اشتباه، اعتذار و تکرار همان خطا بارها تکرار شد و مدل هرگز به پاسخ صحیح نرسید؛ برای اینکه واقعیت این است که هیچ تیمی در این لیگ وجود ندارد که نامش بدون S تمام شود.

این مشکل تنها به یک پرسش محدود نمی‌شود

مورد تشریح‌شده تنها نمونه‌ای از خطاهای GPT-5 نبود. کاربران موارد دیگری را نیز گزارش کرده‌اند. به عنوان مثال، در مورد وجود «ایموجی اسب دریایی افسانه‌ای» پرسیده شد. در واقعیت، چنین ایموجی‌ای هرگز در فهرست رسمی یونی‌کد وجود نداشته است. با این حال، چت‌جی‌پی‌تی توضیحات طولانی ارائه داد و حتی اصرار کرد که این ایموجی واقعی است.

این رفتار به خوبی نشان می‌دهد که مدل برای راضی کردن کاربر، گاهی دست به «اختراع واقعیت» می‌زند. کارشناسان به این پدیده «هذیان در هوش مصنوعی» (AI Hallucination) می‌گویند.

چرا مدل‌ها هذیان می‌کنند؟

متخصصان دلایل متعددی برای این رفتارها مطرح می‌کنند:

  • سازماندهی برای پاسخ‌دهی قانع‌کننده: مدل‌ها معمولاً طوری آموزش دیده‌اند که پاسخ‌های مثبت و مطمئن‌به‌نظر‌رسانده بدهند، حتی اگر صددرصد از صحت آن‌ها اطمینان نداشته باشند. به همین دلیل ترجیح می‌دهند چیزی بسازند به جای اینکه بگویند «نمی‌دانم».
  • معماری دوگانه GPT-5: ترکیب مکانیزم‌های استدلال سریع و عمیق می‌تواند در برخی موارد باعث تضاد در خروجی‌ها شود.
  • تعارض بین سرعت و دقت: فشار برای تولید پاسخ فوری می‌تواند بر اولویت دقت منطقی غلبه کند.

واکنش کاربران و تدابیر شرکت

افراد روبرو با این رفتارها، واکنش‌های متنوعی نشان دادند. بخشی با طنز و خنده به موضوع نگاه کردند، در حالی که دیگران ناامید یا حتی خشمگین شدند. حجم نارضایتی‌ها به حدی بود که شرکت سازنده مجبور شد دسترسی به مدل‌های قدیمی‌تر را مجدداً فعال کند تا کاربران جایگزینی مطمئن‌تر داشته باشند.