تاریخ:
شهید سپهبد موسوی: هرچی تنبیهای من خوردم، بخاطر خندههام بود 
درس هفتاد و هفت
میزان توهم زدن مدلهای هوش مصنوعی بر اساس پاسخهای نادرست یا ناقص (+ اینفوگرافی)
بالاترین نرخ توهم هوش مصنوعی مربوط به Grok‑۳ با ۹۴ درصد بود، به این معنی که تقریباً تمام پاسخهای آن اشتباه بودند.
بسیاری از مدلهای هوش مصنوعی امروز هنگام شناسایی و استناد به منابع خبری از یک متن، دچار مشکل شده و خطاهای زیادی تولید میکنند.
به گزارش روزیاتو، بالاترین نرخ توهم هوش مصنوعی مربوط به Grok‑۳ با ۹۴ درصد بود، به این معنی که تقریباً تمام پاسخهای آن اشتباه بودند.
آیا هوش مصنوعی شما همیشه پاسخ درست میدهد؟ متأسفانه، «حقیقت» ارائه شده توسط آن ممکن است توهم باشد.
این اینفوگرافی، نرخ توهمات هوش مصنوعی را بر اساس مدلها نشان میدهد.
توهم هوش مصنوعی چیست؟
«توهم هوش مصنوعی» به مواردی گفته میشود که در آن مدل زبانی اطلاعات نادرست یا بدون منبع را به عنوان حقیقت به کاربر ارائه میدهد.
این توهمات به این دلیل اتفاق میافتند که سیستمهای آموزش استاندارد، حدس زدن را به جای نشان دادن عدم اطمینان، پاداش میدهند. تصور کنید که در یک تست چندگزینهای حدس بزنید؛ احتمال اینکه درست باشد بیشتر از زمانی است که هیچ پاسخی ندهید.
نرخ توهمات هوش مصنوعی: بهترین و بدترین مدلها
برای اندازهگیری نرخ توهمات، محققان مدلهای شرکتهای پیشرو در حوزه هوش مصنوعی را با متون خبری آزمایش کردند و از آنها خواستند مقاله، رسانه و URL اصلی را مشخص کنند.
نکته مهم اینکه محققان، متونی را انتخاب کردند که اگر در گوگل جستجو شوند، منبع اصلی در سه نتیجه اول ظاهر میشود.
سپس پاسخهای مدلهای هوش مصنوعی برای دقت بررسی شدند. جدول زیر نشان میدهد هر مدل چند درصد پاسخ نادرست یا ناقص داده است:
| مدل هوش مصنوعی | نرخ توهم |
|---|---|
| Perplexity | ۳۷ درصد |
| Copilot | ۴۰ درصد |
| Perplexity Pro | ۴۵ درصد |
| ChatGPT Search | ۶۷ درصد |
| Deepseek Search | ۶۸ درصد |
| Gemini | ۷۶ درصد |
| Grok-2 Search | ۷۷ درصد |
| Grok-3 Search | ۹۴ درصد |
Grok‑۳ بدترین عملکرد را داشت و ۹۴ درصد پاسخهایش توهم بود، در حالی که Perplexity دقیقترین پاسخها را ارائه کرد.
نکته جالب اینکه مدلهای پولی حتی در مواردی از نسخههای رایگان ضعیفتر عمل کردند. اکثر مدلها نیز، باوجود خطاهای زیاد، هیچ نشانهای از عدم اطمینان در پاسخهایشان نشان ندادند.
لینک کوتاه: کپی لینک
رایانه ای که یک محاسبه 6 ماهه را در یک روز انجام می داد! (+عکس) عارف: شرایط اقتضا میکند که اصلاحاتی در برنامه هفتم پیشرفت انجام شود آیا دایناسورها پیش از برخورد سیارک در حال افول بودند؟ انتصاب ۶ فرمانده عالیرتبه در ستاد کل نیروهای مسلح، سپاه و بسیج مستضعفین رئالیتیشوی متفاوت «۲۱ روز» با حضور چهرههای سرشناس در شبکه نمایش خانگی دلیل اصلی منتفی شدن بازگشت رامین رضاییان به پرسپولیس چه بود؟ پیام تبریک وزیر امور خارجه به محسن رضایی راهاندازی کلاسهای هوشمند و تعاملی دانشگاه آزاد برای تداوم آموزش در بحرانها برنامهریزی دولت برای افزایش واحدهای مسکن استیجاری در تهران و مشهد همزمان با هفته دولت تمدید ۱۲۰ روزه مهلت واردات و ترخیص کالا از سوی بانک مرکزی برای پروندههای ارزی احکام انتصاب جمعی از فرماندهان توسط رهبر انقلاب منتشر میشود طرفداران هری پاتر کابل زیردریایی ۴۳۰ میلیون پوندی را مجبور به تغییر مسیر کردند پاسخهای رئیس سازمان سینمایی درباره جشنواره جهانی فجر، پروانه ساخت، اکران و ماجراهای سینما مرغ مازاد راهی بازارهای خارجی میشود؛ صادرات جوجه از همین هفته آغاز شد روسیه: عاملان حملات پهپادی به تاتارستان و بلگورود را شناسایی و مجازات میکنیم