Apple заявила, что генеративный ИИ не может мыслить как человек

Исследователи Apple провели тестирование продвинутых моделей искусственного интеллекта, известных как «большие модели рассуждений» (LRM), в контролируемых условиях решения головоломок. Результаты показали, что, хотя LRM превосходят стандартные большие языковые модели (LLM) в задачах средней сложности, обе технологии полностью проваливаются при увеличении сложности.

Специалисты Apple, которая не является лидером в разработке ИИ, пришли к выводу, что современные LRM и LLM имеют фундаментальные ограничения в способности обобщать рассуждения и мыслить по-человечески.

В ходе исследования изучалось, как модели Claude 3.7 Sonnet Thinking и DeepSeek-R1 справляются с усложняющимися задачами. Учёные использовали головоломки вроде «Ханойской башни» и «Переправы через реку», где можно точно регулировать уровень сложности. Целью было оценить не только конечные ответы, но и внутренние процессы рассуждения ИИ.

Выяснилось, что на простых задачах стандартные LLM работают точнее и эффективнее. При средней сложности преимущество получают модели с структурированным рассуждением, например, с методом «цепочки мыслей». Однако на высоком уровне сложности обе технологии демонстрировали нулевую точность, независимо от вычислительных ресурсов.

Анализ также выявил неожиданное поведение: при приближении к пределу сложности модели сокращали усилия на рассуждения, даже имея свободные вычислительные мощности. Даже при наличии правильных алгоритмов ИИ не мог надёжно выполнять пошаговые инструкции в сложных задачах.