Το ChatGPT έχει γίνει για πολλούς καθημερινό εργαλείο που δίνει άμεσα λύσεις για διάφορα ζητήματα και απαντά σε κάθε πιθανό ή απίθανο ερώτημα και αίτημα. Ωστόσο υπάρχουν κάποιες απλές εντολές στις οποίες η τεχνητή νοημοσύνη φαίνεται πως αποτυγχάνει και δυσκολεύεται να δώσει τις σωστές απαντήσεις.
Για παράδειγμα, όσο κι αν φαίνεται απίστευτο, το ChatGPT, αδυνατεί να δημιουργήσει μία εικόνα με ρολόγια που να δείχνουν κάποια άλλη ώρα εκτός από 10:10.
Ακόμη και αν τεθούν πιο λεπτομερώς οι παράμετροι, (πχ ένα αναλογικό ρολόι τοίχου, όπου ο μικρός δείχτης θα είναι κοντά στο 3 και ο μεγάλος κοντά στο 6, δείχνοντας 3:30), η απάντηση κολλάει στην αγαπημένη ώρα όπως φαίνεται της τεχνητής νοημοσύνης, στις 10:10.
Αποτυχία είναι το αποτέλεσμα και όταν του ζητηθεί να δημιουργήσει εικόνα με κάποιον αριστερόχειρα. Στην εικόνα πάντα θα βλέπουμε έναν δεξιόχειρα.
Το TyposThes δοκίμασε να ζητήσει από το ChatGPT να δημιουργήσει τις συγκεκριμένες εικόνες επιβεβαιώνοντας το παράδοξο αποτέλεσμα.
Η αιτία είναι απλή και την απάντηση μας την έδωσε το ίδιο το ChatGPT. Η ώρα 10:10 είναι αυτή που εμφανίζεται γιατί είναι αυτή η οποία χρησιμοποιείται σχεδόν αποκλειστικά σε διαφημίσεις «επειδή είναι μια συχνά χρησιμοποιούμενη ώρα σε διαφημίσεις ρολογιών (καθώς είναι συμμετρική και αισθητικά ευχάριστη)». «Το μοντέλο εικόνας (όπως το DALL·E) δεν κατανοεί πάντα την ώρα με ακρίβεια ― ειδικά όταν πρόκειται για λεπτές διαφορές στη θέση των δεικτών των ρολογιών. Είναι απλώς μια περιορισμένη ικανότητα στην κατανόηση συγκεκριμένων λεπτομερειών, όπως η ώρα σε μικρούς δείκτες», προσθέτει σχεδόν απολογούμενο.
Το ίδιο ισχύει και στην περίπτωση της εικόνας με τον αριστερόχειρα που το αποτέλεσμα δίνει πάντα δεξιόχειρα. Οι εικόνες στο διαδίκτυο είναι σε συντρηπτική πλειοψηφία με ανθρώπους που χρησιμοποιούν το δεξί τους χέρι και «αν και η εντολή είναι για έναν αριστερόχειρα, το μοντέλο εικόνας (όπως το DALL·E) μερικές φορές μπερδεύεται όταν πρόκειται για πλευρικότητα ― δηλαδή, δεν καταλαβαίνει πάντα τη διαφορά ανάμεσα σε δεξί και αριστερό χέρι. Αυτό συμβαίνει γιατί το μοντέλο δεν «σκέφτεται» όπως εμείς, αλλά βασίζεται σε στατιστικά μοτίβα εικόνων από την εκπαίδευσή του».
Όπως ξέρουμε όμως το ChatGPT διδάσκεται από ό,τι ζητάμε και εξελίσσει τις απαντήσεις του. Σημαίνει αυτό ότι στο μέλλον θα μπορεί να μάθει από τα λάθη του και να δώσει σωστές απαντήσεις; Δείτε τι απάντησε το ίδιο:
Πού βρισκόμαστε τώρα:
Οι αστοχίες όπως το λάθος χέρι ή λάθος ώρα οφείλονται κυρίως στο ότι τα μοντέλα εικόνας (όπως το DALL·E ή άλλα γεννητικά μοντέλα) δεν καταλαβαίνουν έννοιες όπως “αριστερό” ή “6:28” με ανθρώπινη ακρίβεια. Δεν "βλέπουν" ή "αντιλαμβάνονται" ― λειτουργούν με στατιστικά μοτίβα, οπότε μπορεί να αναπαράγουν κάτι συχνότερα εμφανιζόμενο, όπως δεξιόχειρες.
Τι περιμένουμε στο μέλλον:
Ναι, είναι απολύτως πιθανό ότι σε επόμενες γενιές μοντέλων:
- Θα υπάρχει καλύτερη χωρική και εννοιολογική κατανόηση (π.χ. τι σημαίνει 6:28 ή ποιο χέρι είναι ποιο).
- Θα μπορούν να ελέγχουν λεπτομέρειες με μεγαλύτερη ακρίβεια.
- Θα υπάρχει αλληλεπίδραση μεταξύ γλώσσας και εικόνας πολύ πιο βαθιά (π.χ. ένα “έξυπνο” μοντέλο που βλέπει ότι έκανε λάθος και διορθώνει μόνο του).
Με απλά λόγια:
Αν και δεν είμαστε ακόμα εκεί, η κατεύθυνση είναι σωστή. Οι επόμενες γενιές πιθανότατα θα μειώσουν πολύ τέτοιου είδους αστοχίες — ίσως όχι τέλεια, αλλά σε βαθμό που να είναι σπάνιες και εντοπίσιμες.
Αν θες, μπορώ να σου δείξω με τι τρόπους σήμερα μπορούμε να “βοηθήσουμε” το σύστημα να πετύχει καλύτερα αυτά τα σημεία.
Είναι όμως μόνο οι έννοιες του χώρου και του χρόνου που βάζουν δύσκολα στο ChatGPT; Και όμως όχι. Όπως μας αποκάλυψε:
«η ερώτηση αυτή αγγίζει τον πυρήνα των γνωστικών ορίων των γεννητικών μοντέλων. Πέρα από τον χρόνο και τον χώρο, υπάρχουν αρκετές θεματικές περιοχές ή τύποι εννοιών που είναι δύσκολες για τα σημερινά μοντέλα, τόσο στη γλώσσα όσο και στην εικόνα. Ορίστε μερικές χαρακτηριστικές:
🔁 1. Καθαρές αιτιακές σχέσεις (causality)
Παράδειγμα:
- “Αν ρίξεις ένα ποτήρι κάτω, τι θα συμβεί;”
- Το μοντέλο μπορεί να δώσει λογική απάντηση, αλλά δυσκολεύεται σε πολύπλοκες ή αντίστροφες αιτίες (π.χ. σε οικονομία ή κοινωνιολογία).
🔹 Γιατί;
Δεν "κατανοεί" αιτιακές σχέσεις ― κάνει προβλέψεις βασισμένες σε συχνότητα, όχι αιτία-αποτέλεσμα.
🧠 2. Πολύ βήμα λογική / μετα-λογική
Παράδειγμα:
-
“Αν ο Κώστας είναι μεγαλύτερος από τη Μαρία, και η Μαρία είναι μεγαλύτερη από τον Γιάννη, ποιος είναι ο μικρότερος;”
🔹 Γιατί;
Απαιτεί διατήρηση πολλών μεταβλητών στη μνήμη, και χρήση συμπερασμάτων σε διαδοχικά βήματα — κάτι που ξεφεύγει από απλή πρόβλεψη κειμένου.
👤 3. Ταυτότητα, συμμετρία, καθρεφτισμός (ιδίως στις εικόνες)
Παράδειγμα:
- Ζήτηση για έναν χαρακτήρα να κοιτάει έναν καθρέφτη και να σηκώνει το δεξί χέρι → το είδωλο συχνά σηκώνει το ίδιο χέρι, όχι το συμμετρικό.
🔹 Γιατί;
Το μοντέλο δεν έχει ενσωματωμένη “γεωμετρική κατανόηση”, και “μπερδεύεται” σε καθρέφτες, συμμετρίες, και διπλές ταυτότητες.
🏛️ 4. Νομικές και ηθικές έννοιες με αμφισημία
Παράδειγμα:
- “Είναι σωστό να πεις ψέματα αν πρόκειται να σώσεις έναν φίλο;”
🔹 Γιατί;
Δεν υπάρχει μία σωστή απάντηση, και τα μοντέλα δυσκολεύονται να πλοηγηθούν σε πολύπλοκες ηθικές περιοχές χωρίς να πέσουν σε αντιφάσεις ή επιφανειακές γενικεύσεις.
🔢 5. Ακρίβεια σε αριθμούς, υπολογισμούς, ημερομηνίες
Παράδειγμα:
- “Τι ηλικία θα έχει κάποιος που γεννήθηκε το 1987 τον Ιανουάριο του 2026;”
🔹 Γιατί;
Η αριθμητική δεν είναι η “φυσική γλώσσα” των μοντέλων — κι ενώ η λογική υπάρχει, η ακρίβεια δεν είναι εγγυημένη χωρίς εργαλεία.
👥 6. Πολλαπλές οντότητες που σχετίζονται μεταξύ τους
Παράδειγμα:
- “Ζωγράφισε δύο ανθρώπους. Ο ένας κρατάει ένα μήλο και ο άλλος μια ομπρέλα.”
🔹 Γιατί;
Τα μοντέλα εικόνας έχουν δυσκολία να διαχειριστούν πολλές ταυτότητες με ξεχωριστά γνωρίσματα.
➕ 7. Σύνθετοι συνδυασμοί ιδιοτήτων
Παράδειγμα:
- “Ένα κόκκινο σκυλί με γαλάζια φτερά και γυαλιά ηλίου που παίζει σαξόφωνο.”
🔹 Γιατί;
Πολλές ιδιότητες → υπάρχει ο κίνδυνος το μοντέλο να "ξεχάσει" κάποιες ή να τις αναμίξει.
