Разкриване на силните и слабите страни на изкуствения интелект чрез пъзели и игри

Пъзели и игри в развитието на изкуствения интелект

Пъзели и игри са били централни за развитието на изкуствения интелект (ИИ) още от самото начало. Подобно на това, как ние, хората, обичаме да упражняваме ума си с кръстословици или логически загадки, разработчиците използват игрови предизвикателства, за да тестват докъде са стигнали моделите.

Терминът „машинно обучение“ добива популярност през 1959 г. в статия на учен от IBM, Артър Самюъл, описваща алгоритъм, който се учи да играе дамa. Шахът и китайската дъска игра Го също са прочути тестови полигони за ИИ.

Бърз напредък в решаването на пъзели

Що се отнася до уменията в решаването на пъзели, ИИ се усъвършенства значително и доста бързо. През края на 2024 г. изследователи от Колумбийския университет установиха, че дори най-добрите модели успяват да решат едва 18% от известните пъзели „Connections“ в „Ню Йорк Таймс“. В началото на 2025 г. някои модели вече ги решават почти без грешки.

Какво ни показват пъзелите за силните и слабите страни на ИИ

Пъзелите не само отразяват нарастването на способностите на изкуствения интелект, но и откриват слабостите му. Проследявайки къде моделите успяват и къде се затрудняват, както и къде хората все още ги побеждават, можем да добием ценен поглед върху силните и слабите страни на тези технологии.

Въпреки напредъка, съвременните модели допускат грешки – често се спъват при дребни промени в класически загадки и особено с визуални пъзели.

Представени са различни пъзели, които в някакъв момент са затруднявали изкуствения интелект и които вие сега можете да опитате да разрешите. Някои от тях могат да се окажат толкова трудни за вас, колкото и за ИИ, докато други са толкова прости, че ще ви накарат да се усъмните дали изкуственият интелект наистина е толкова интелигентен. Всеки пъзел илюстрира поне една от разликите между машинното и човешкото познание. Ако успеете да ги решите, доказвате, че поне засега можете да надхитрите ИИ.

Пространствено мислене

Хората имат голямо предимство в пространственото мислене, което е една от областите, където изкуственият интелект все още се представя слабо. Пример са задачите, изискващи умствена ротация – например, определяне дали две изображения представляват един и същи обект, видян от различна гледна точка.

Езиковите модели могат да обработват визуални входове, но все още не показват способности да манипулират триизмерни обекти по начина, по който това правят архитекти или инженери.

Памет и адаптивност

Модерните големи езикови модели (ГЕМ) разполагат с изключителна памет – те са били обучавани с огромни обеми информация и могат добре да я възпроизведат. Това ги прави отлични в състезания по общи знания, но понякога се оказва недостатък.

Когато даден пъзел е много близък до някой, който са „видели“ по време на обучението, моделите често пропускат важни разлики и отговарят с отговори, запомнени от предишните задачи.

Пример за това е класическата логическа игра „Рицари и лъжци“ – в нея някои герои винаги казват истината, докато други винаги лъжат, а задачата е да определим кой е кой, въз основа на техните изказвания. Модифицирани версии на тези пъзели също не подвеждат хората, но затрудняват дори най-добрите модели.

Абстрактно и визуално мислене

Изкуственият интелект не се затруднява само с триизмерните визуални задачи, но изпитва проблеми и с двуизмерни. Това важи особено за теста ARC-AGI – един от най-известните бенчмаркове, базиран на пъзели.

Тези задачи изискват да се открият абстрактни и общи правила, като се анализират няколко примера. Моделите по-добре се справят, ако получат информацията като цифрови данни, а не като изображения.

Изследвания показват обаче, че дори когато дадат верен отговор, моделите използват сложни и негъвкави правила, докато хората се ориентират по прости визуални концепции.

Интуиция

Проблемите с грешките срещат и хората, но често по различни причини от тези при ИИ. Психолозите са създали поредици от задачи, в които хората правят интуитивни, но грешни отговори, докато моделите отговарят по-обмислено.

Някои от тези пъзели улавят неточности в начина, по който човешката интуиция смята числа, други играят със заблуди базирани на формулировки.

Увеличаване на сложността

При някои пъзели успехът на ИИ зависи от мащаба. Изследване на учени от Apple доказва, че езиковите модели могат успешно да решават прости версии на „Кулата на Ханой“ и „пресичането на река“ – класически логически задачи, изискващи стриктно следване на правила.

Но при по-голям брой дискове или хора над 6, моделите започват да допускат грешки. Подобни затруднения има и при решаването на логически мрежови пъзели, при които трябва да се изведат характеристики за личности по дадени улики.

Заключение

Тези пъзели подчертават разликите между човешките и машинните когнитивни умения и демонстрират, че въпреки напредъка на изкуствения интелект, той все още среща сериозни ограничения.

Пространственото визуално мислене, адаптацията към нови условия, интуицията и справянето с комплексни задачи остават предизвикателство за ИИ системите.

Ако имате възможност да опитате тези пъзели, ще разберете по-добре не само силните и слабите страни на изкуствения интелект, но и собствения си ум, като едновременно проверите дали в някои случаи сте по-добри от машината.

Автор: Грейс Хъкинс
Журналист по теми изкуствен интелект в MIT Technology Review, с докторска степен по невронаука.

Източници на илюстрации и съдържание:

• Mental Rotation: Стигианидис и др., 2025
• Knights and Knaves: Дан Макинън
• SimpleBench: SimpleBench Team, 2024
• ARC-AGI: ARC Prize Foundation
• Lightning Round: Хагендорф и др., 2023
• The River: Алкуин Йоркски, около 800 г.
• Logic Grid: Лин и др., 2025