TECHNOLOGIE

GPT-4.1 nie potrafi generować liczb losowych – dlaczego model sztucznej inteligencji zawodzi w podstawowym teście

Analiza

W ostatnich dniach internetowy eksperyment przeprowadzony przez Nathana Beddome’a ujawnił zaskakujące słabości najnowszej wersji modelu językowego OpenAI – GPT-4.1. Test polegał na prostej prośbie: wybranie losowej liczby całkowitej z zakresu od 1 do 100 tysiące razy. Wyniki okazały się alarmujące. Podczas gdy ludzie, choć nie są idealnymi generatorami losowości, przynajmniej zbliżali się do rozkładu równomiernego, GPT-4.1 wykazał wyraźne preferencje, unikanie skrajności oraz niezwykle silną koncentrację na liczbach kończących się na 7. Model nigdy nie wybrał liczb takich jak 1, 5, 6, 20, 30, 40, 50, 60, 70, 80, 90 czy 100, a liczba 7 pojawiła się w 29 procentach odpowiedzi – sześć razy częściej niż można by się spodziewać przy idealnym rozkładzie. Badanie potwierdziło, że sztuczna inteligencja, mimo swojej zaawansowości, nie jest w stanie naśladować nawet podstawowej losowości, co rzuca wyzwanie jej zastosowaniom w dziedzinach wymagających obiektywności, takich jak symulacje naukowe czy bezpieczne generowanie kluczy kryptograficznych. Zjawisko to wpisuje się w szerszą dyskusję o ograniczeniach modeli językowych, które, mimo imponujących osiągnięć w generowaniu tekstu, nadal mają problemy z abstrakcyjnym myśleniem i losowością. Warto zauważyć, że podobne testy przeprowadzano już wcześniej na starszych wersjach GPT, jednak obecne wyniki są szczególnie dotkliwe ze względu na zaawansowanie technologiczne modelu. Eksperci podkreślają, że problem nie polega na braku losowości w ogóle, ale na systematycznych sesjach, które model wykazuje podczas generowania odpowiedzi, co może mieć poważne konsekwencje w zastosowaniach wymagających neutralności i obiektywizmu.

Kontekst i Tło

Ujawnione słabości GPT-4.1 w generowaniu liczb losowych mają dalekosiężne implikacje dla przyszłości sztucznej inteligencji. Przede wszystkim, wyniki te podważają wiarę w pełną autonomię modeli językowych w zadaniach wymagających obiektywności, takich jak symulacje naukowe, generowanie danych testowych czy nawet bezpieczne aplikacje kryptograficzne. Jeśli model nie jest w stanie naśladować podstawowej losowości, trudno oczekiwać, że poradzi sobie z bardziej złożonymi problemami decyzyjnymi. Ponadto, odkrycie to może wpłynąć na zaufanie do sztucznej inteligencji w sektorze finansowym, gdzie losowość jest kluczowa dla bezpieczeństwa transakcji. W dłuższej perspektywie, słabości te mogą przyspieszyć rozwój specjalistycznych modeli dedykowanych konkretnym zadaniom, które będą bardziej kontrolowane i przewidywalne. Wreszcie, test ten stanowi ostrzeżenie dla użytkowników, którzy mogą nie zdawać sobie sprawy z ograniczeń modeli językowych i nadmiernie ufać ich obiektywności w dziedzinach, gdzie precyzja i losowość są niezbędne.

Komentarz Redakcji

Absurd polega na tym, że model, który zrewolucjonizował sposób, w jaki komunikujemy się z maszynami, zawodzi w tak podstawowym teście jak generowanie losowych liczb. To nie tylko kwestia techniczna, ale także filozoficzna: jak można ufać sztucznej inteligencji w decyzjach krytycznych, jeśli jej 'losowość' jest bardziej przewidywalna niż ludzka? GPT-4.1 udowadnia, że zaawansowanie nie równa się wszechstronności – a to powinno być dla wszystkich powodem do refleksji.