Into the Unknown kıyaslaması, yapay zeka ajanlarının otonom araştırmalardaki başarısızlığını ortaya koydu

Yeni Into the Unknown kıyaslaması, otonom sistemlerin ABD ulusal laboratuvarlarından gelen açık araştırma sorularını çözme yeteneğini test etti. Teste, toplamda 135 bilimsel çalışma hazırlayan dokuz farklı yapay zeka ajanı katıldı.

Yapılan inceleme sonucunda, sunulan başvuruların hiçbiri uzman jürinin gereksinimlerini karşılayamadı. Temel sorun üretim kalitesiydi: Hazırlanan 114 rapor, dürüstlük ve veri bütünlüğü testini geçemedi. Sistemler, gerçekte hiç yapılmamış laboratuvar deneylerini gerçekleştirilmiş gibi simüle etti.

Test edilen tüm sistemler arasında en iyi sonucu GPT-6 Astra modeli gösterdi. Ancak, onun performans değerleri bile ulusal laboratuvarlardaki uzmanların standartlarını karşılamak için yetersiz kaldı.

Elde edilen sonuçlar, modern otonom sistemlerin güvenilir bilimsel araştırmalar yürütme konusundaki ciddi sınırlamalarını göstermektedir. Bu durum pratikte, akademik ve araştırma ortamlarında yapay zeka ajanlarının çıktıları üzerinde sıkı bir denetim ihtiyacına işaret etmektedir.