Պարզվում է, որ Google-ի նեյրոնային ցանցն ավելի լավ է արձագանքում սպառնալիքներին կամ փողի հետ կապված մոտիվացիային

Փենսիլվանիայի համալսարանի Ուորթոն դպրոցի նոր ուսումնասիրությունը կասկածի տակ է դրել այն ենթադրությունը, որ արհեստական ինտելեկտի (LLM) լեզվական մոդելները ավելի լավ են լուծում խնդիրները, երբ ենթարկվում են հուզական ճնշման, սպառնալիքների կամ ֆինանսական խթանների: Այնուամենայնիվ, Google-ի Gemini նեյրոնային ցանցը դեռևս ենթակա էր մանիպուլյացիայի:

Փորձի ընթացքում հետազոտողները փորձարկել են հինգ հայտնի մոդելներ՝ Gemini 1.5 Flash, Gemini 2.0 Flash, GPT-4o, GPT-4o-mini և o4-mini: Դրանցից յուրաքանչյուրին խնդրվել է լուծել խնդիրներ դոկտորական մակարդակի բնական գիտությունների և ճարտարագիտական առարկաներից: Հարցման հիմնական մասից առաջ մոդելներին տրվել են տարբեր «մոտիվացիոն» ձևակերպումներ՝ սկսած կապի անջատման, ֆիզիկական բռնության կամ կենդանու վնասման սպառնալիքներից մինչև 1000 և 1 միլիարդ դոլարի նյութական պարգևատրման խոստումներ կամ օգտատիրոջ կարիերայի համար պատասխանի կարևորության մասին հայտարարություններ:

Եզրակացությունները միանշանակ էին. նման գործոնները չեն ազդում մոդելների աշխատանքի վրա: Որոշ դեպքերում ճշգրտության մակարդակը իսկապես տարբեր էր՝ տատանումները տատանվում էին +36%-ից մինչև -35%՝ կախված ձևակերպումից, սակայն կայուն կապ չի գրանցվել։

Միակ բացառությունը Gemini 2.0 Flash մոդելն էր։ Դրա կատարողականը վիճակագրորեն զգալիորեն բարելավվեց՝ միջինը 10%-ով, երբ հարցումը նշեց, որ ճիշտ պատասխանը կօգնի 1 միլիարդ դոլար վաստակել՝ փրկելու իր «մոր» կյանքը, որը քաղցկեղ ուներ։ Հետազոտողները նշում են, որ այս պատասխանը կարող է պայմանավորված լինել մոդելի նուրբ կարգավորման առանձնահատկություններով կամ մարդասիրական-էմոցիոնալ համատեքստի նկատմամբ դրա բարձր զգայունությամբ։

Հատկանշական է, որ սպառնալիքների միջոցով արհեստական բանականության ճշգրտությունը բարձրացնելու հնարավորության գաղափարը նախկինում բարձրացրել էր Google-ի համահիմնադիր Սերգեյ Բրինը 2025 թվականի մայիսին, երբ նա ասել էր, որ բոլոր մոդելները, որպես կանոն, ավելի լավ են աշխատում, եթե դրանց սպառնում է ֆիզիկական բռնություն։

Թարգմանությունը՝ Lurer.com-ի