AI యొక్క గాడ్ ఫాదర్ తన ఇష్టపడే చాట్‌బాట్‌ను కొంచెం ఎక్కువగా విశ్వసిస్తున్నానని చెప్పాడు.
“నేను అనుమానాస్పదంగా ఉన్నప్పటికీ, అది చెప్పేది నేను నమ్ముతున్నాను” అని జాఫ్రీ హింటన్, అతను అవార్డు పొందాడు 2024 నోబెల్ బహుమతి మెషిన్ లెర్నింగ్‌లో తన పురోగతుల కోసం భౌతిక శాస్త్రంలో, శనివారం ప్రసారం చేసిన సిబిఎస్ ఇంటర్వ్యూలో ఓపెనాయ్ యొక్క జిపిటి -4 గురించి చెప్పారు.
ఇంటర్వ్యూలో, అతను ఓపెనాయ్ యొక్క జిపిటి -4 కు సరళమైన చిక్కు ఉంచండి, అతను తన రోజువారీ పనుల కోసం ఉపయోగించానని చెప్పాడు.
“సాలీకి ముగ్గురు సోదరులు ఉన్నారు. ఆమె సోదరులలో ప్రతి ఒక్కరికి ఇద్దరు సోదరీమణులు ఉన్నారు. సాలీకి ఎంత మంది సోదరీమణులు ఉన్నారు?”
ఇద్దరు సోదరీమణులలో సాలీ ఒకరు కాబట్టి సమాధానం ఒకటి. కానీ హింటన్ జిపిటి -4 అతనికి సమాధానం రెండు అని చెప్పాడు.
“ఇది నన్ను ఆశ్చర్యపరుస్తుంది. ఇది నాకు ఆశ్చర్యం కలిగిస్తుంది, ఇది ఇప్పటికీ దానిపై చిత్తు చేస్తుంది” అని అతను చెప్పాడు.
ప్రస్తుత AI యొక్క పరిమితులపై ప్రతిబింబిస్తూ, అతను ఇలా అన్నాడు: “ఇది ప్రతిదానిలో నిపుణుడు. ఇది ప్రతిదానిలో చాలా మంచి నిపుణుడు కాదు.”
భవిష్యత్ నమూనాలు మెరుగ్గా చేస్తాయని తాను expected హించినట్లు హింటన్ చెప్పాడు. GPT-5 రిడిల్‌ను సరిగ్గా పొందుతుందని అతను అనుకుంటున్నారా అని అడిగినప్పుడు, హింటన్, “అవును, నేను అనుమానిస్తున్నాను” అని సమాధానం ఇచ్చాడు.
హింటన్ యొక్క రిడిల్ చాట్‌గ్ప్ట్ యొక్క ప్రతి సంస్కరణను ట్రిప్ చేయలేదు. ఇంటర్వ్యూ ప్రసారం అయిన తరువాత, చాలా మంది ప్రజలు సోషల్ మీడియాలో కొత్త మోడళ్లలో చిక్కును ప్రయత్నించారని వ్యాఖ్యానించారు – GPT-4O మరియు GPT-4.1 తో సహా –మరియు AI సరిగ్గా వచ్చిందని అన్నారు.
బిజినెస్ ఇన్సైడర్ నుండి వ్యాఖ్య కోసం చేసిన అభ్యర్థనకు ఓపెనాయ్ వెంటనే స్పందించలేదు.
ఓపెనాయ్ మొట్టమొదట 2023 లో జిపిటి -4 ను తన ప్రధాన పెద్ద భాషా నమూనాగా ప్రారంభించింది. ఈ మోడల్ త్వరగా SAT, GRE మరియు బార్ పరీక్ష వంటి కఠినమైన పరీక్షలలో ఉత్తీర్ణత సాధించే సామర్థ్యానికి పరిశ్రమ బెంచ్‌మార్క్‌గా మారింది.
ఓపెనై ప్రవేశపెట్టిన GPT-4O-డిఫాల్ట్ మోడల్ పవరేజింగ్ చాట్‌గ్ప్ట్-మే 2024 లో, ఇది GPT-4 యొక్క ఇంటెలిజెన్స్‌తో సరిపోలిందని పేర్కొంది, అయితే టెక్స్ట్, వాయిస్ మరియు దృష్టిలో మెరుగైన పనితీరుతో వేగంగా మరియు బహుముఖంగా ఉంటుంది. ఓపెనాయ్ అప్పటి నుండి GPT-4.5 మరియు ఇటీవల GPT-4.1 ను విడుదల చేసింది.
గూగుల్ యొక్క జెమిని 2.5-ప్రో చాట్‌బాట్ అరేనా లీడర్‌బోర్డ్ చేత అగ్రస్థానంలో ఉంది, ఇది క్రౌడ్-సోర్స్డ్ ప్లాట్‌ఫాం, ఇది మోడళ్లను కలిగి ఉంది. ఓపెనాయ్ యొక్క GPT-4O మరియు GPT-4.5 వెనుక ఉన్నాయి.
AI టెస్టింగ్ కంపెనీ గిస్కార్డ్ ఇటీవల చేసిన ఒక అధ్యయనంలో చాట్‌బాట్‌లను క్లుప్తంగా చెప్పడం ద్వారా వాటిని “భ్రాంతులు” చేయడానికి లేదా సమాచారాన్ని రూపొందించడానికి ఎక్కువ అవకాశం ఉందని కనుగొన్నారు.
GPT-4O, మిస్ట్రాల్ మరియు క్లాడ్లతో సహా ప్రముఖ నమూనాలు తక్కువ సమాధానాల కోసం ప్రాంప్ట్ చేసినప్పుడు వాస్తవిక లోపాలకు ఎక్కువ అవకాశం ఉందని పరిశోధకులు కనుగొన్నారు.
