BBC и Европейский союз нашли ошибки в 45% ответов ИИ-помощников
Европейский вещательный союз и BBC проверили ответы популярных помощников на основе искусственного интеллекта. И результаты, мягко говоря, не впечатляют. 45% ответов содержат серьёзные ошибки, а 81% имеют какие-то проблемы.
Исследователи из 22 медиаорганизаций также проанализировали 3 тыс ответов от ChatGPT, Copilot, Gemini и Perplexity на 14 языках. Треть ответов показала серьёзные проблемы с источниками. Они либо отсутствовали, либо были неверными. У Gemini вообще в 72% случаев нашли проблемы с источниками. У остальных помощников этот показатель меньше 25%, но тоже не радует.
В свою очередь, OpenAI и Microsoft признали существование галлюцинаций, когда модель выдаёт неверную информацию, и говорят, что работают над исправлением. А Perplexity заявляет, что их режим «Глубокое исследование» точен на 93,9%.
Что меня смущает в этом отчёте — это сами исследователи и их ангажированность. Конкретно Би би Си неоднократно уличали в искажении информации. И перед их офисом в Лондоне неоднократно митинги проходили, можете поискать в Гугле. А также, именно европейские издания сейчас в конфликте с Гуглом — и вот уже Gemini от Гугла хуже всех.
Автор: AIvengo
5 лет я работаю с машинным обучением и искусственным интеллектом. И эта сфера не перестает меня удивлять, восхищать и интересовать.
Latest News
UBTech отправит роботов Walker S2 служить на границу Китая за $37 млнКитайская компания UBTech выиграла контракт на $37 миллионов. И отправит человекоподобных роботов Walker S2 служить на границу Китая с Вьетнамом. South China Morning Post сообщает, что роботы будут взаимодействовать с туристами и персоналом, выполнять логистические операции, досматривать грузы и патрулировать местность. И что характерно — они умеют самостоятельно менять свою батарею.
ИИ-чатботы генерируют контент, усугубляющий расстройства питанияСовместное исследование Стэнфордского университета и Центра демократии и технологий показало тревожную картину. Чат-боты с искусственным интеллектом представляют серьёзный риск для людей с расстройствами пищевого поведения. Учёные предупреждают, что нейросети раздают вредные советы о диетах. Предлагают способы скрыть расстройство и генерируют "вдохновляющий контент для похудения", который усугубляет проблему.
OpenAGI выпустил модель Lux, которая обгоняет Google и OpenAIСтартап OpenAGI выпустил модель Lux для управления компьютером и заявляет, что это прорыв. По бенчмаркам модель на целое поколение обгоняет аналоги от Google, OpenAI и Anthropic. Кроме того, она работает быстрее. Примерно 1 секунда на шаг вместо 3 секунд у конкурентов. И в 10 раз дешевле по стоимости обработки 1 токена.
