IA em Xeque: Pesquisa da Apple Revela Limitações em Modelos de Raciocínio

Uma nova pesquisa da Apple lançou um balde de água fria nas expectativas em torno da inteligência artificial geral (AGI), apontando limitações significativas nos modelos de raciocínio de IA. O estudo, divulgado pouco antes do evento WWDC da Apple, investigou a capacidade de modelos de raciocínio de grande porte (LRMs), como OpenAI o1 e o3, DeepSeek R1, Claude 3.7 Sonnet Thinking e Google Gemini Flash Thinking, de lidar com problemas complexos.

Os pesquisadores da Apple descobriram que, embora esses modelos tenham um bom desempenho em tarefas como matemática e codificação, eles frequentemente entram em colapso ao enfrentar quebra-cabeças lógicos mais desafiadores. Os testes envolveram problemas clássicos como a Torre de Hanói, mover peças de damas pulando para espaços vazios, o problema da travessia do rio (com a raposa, o frango e o saco de grãos) e empilhar blocos em configurações específicas. À medida que a complexidade dos problemas aumentava, a precisão dos LRMs diminuía progressivamente até atingir um ponto de colapso completo.

Um achado surpreendente foi que, ao se aproximarem desse limite crítico, os modelos de IA, paradoxalmente, começavam a reduzir seu esforço de raciocínio, gastando menos tokens (unidades de processamento) mesmo diante de dificuldades crescentes. Além disso, mesmo quando os pesquisadores forneciam as respostas ou incluíam o algoritmo nos prompts, os modelos continuavam a falhar. Esses resultados sugerem que, embora os LRMs mostrem um certo nível de capacidade de raciocínio, eles ainda estão longe de replicar a flexibilidade e adaptabilidade do pensamento humano em cenários complexos, apresentando, como os pesquisadores da Apple colocaram, apenas a ilusão de pensar.

Origem: Link

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Rolar para cima