ChatGPT nauczył się stawiać myślniki. Sam Altman świętuje

Sam Altman, CEO OpenAI, właśnie świętuje... poprawne używanie myślników przez ChatGPT. Tak, dobrze czytasz. Nie przełom w AGI, nie nowy model o rewolucyjnych możliwościach – zwykłą interpunkcję. I właśnie to pokazuje, jak ogromne wyzwania wciąż stoją przed sztuczną inteligencją.

Altman podzielił się swoją radością na platformie społecznościowej, kiedy ChatGPT w końcu zaczął poprawnie formatować myślniki długie (em dash). Problem? Modele językowe od lat mają trudności z precyzyjnym wykonywaniem prostych, szczegółowych instrukcji. Nawet tych dotyczących podstawowych zasad typografii.

To nie pierwszy raz, gdy CEO OpenAI zwraca uwagę na pozornie drobne usprawnienia. Dla przeciętnego użytkownika może to wyglądać jak śmieszostka – w końcu mówimy o firmie, która stworzyła jedne z najbardziej zaawansowanych systemów AI na świecie. Ale właśnie w tych "drobiazgach" kryje się istota problemu, z którym boryka się cała branża sztucznej inteligencji. Myślniki to tylko symbol znacznie głębszego wyzwania: jak sprawić, by AI konsekwentnie wykonywało dokładnie to, czego od niego oczekujemy.

Dlaczego AI nie radzi sobie z prostymi poleceniami

Modele językowe jak GPT-5 potrafią prowadzić złożone rozmowy, pisać kod i analizować dane. Poproś je jednak o konsekwentne stosowanie konkretnej reguły formatowania – i tu zaczyna się problem.

Systemy te działają na zasadzie przewidywania prawdopodobieństwa kolejnych tokenów. Nie rozumieją instrukcji tak jak Ty czy ja. ChatGPT może doskonale wyjaśnić, czym jest myślnik długi i kiedy go używać. Konsekwentne stosowanie tej wiedzy w praktyce? To zupełnie inna para kaloszy. Fundamentalna różnica między teoretycznym "zrozumieniem" a rzeczywistym wykonaniem zadania.

Wyobraź sobie, że prosisz ChatGPT o napisanie tekstu z myślnikami długimi w określonych miejscach. Model "wie" z danych treningowych, jak wyglądają takie myślniki i gdzie powinny się pojawić. Ale w trakcie generowania odpowiedzi, token po tokenie, ta wiedza gubi się w morzu prawdopodobieństw. Model może wstawić myślnik krótki, zwykły łącznik, a czasem w ogóle go pominąć – nie dlatego, że "nie wie lepiej", ale dlatego, że jego architektura nie jest zoptymalizowana pod kątem sztywnego przestrzegania reguł.

Problem pogłębia fakt, że w danych treningowych panuje chaos typograficzny. Internauci używają myślników jak popadnie, mieszając różne konwencje i style. Model uczy się więc na niespójnych przykładach, co przekłada się na niespójne wyniki. To jak próba nauczenia kogoś ortografii, pokazując mu teksty z forów internetowych pełne błędów i skrótów.

Co problem z myślnikami mówi o drodze do AGI

Jeśli ChatGPT miał problemy z myślnikami, skalę wyzwań przed osiągnięciem prawdziwej sztucznej inteligencji ogólnej. AGI to system, który miałby rozumieć i wykonywać zadania na poziomie człowieka – we wszystkich dziedzinach, nie tylko w wąskich specjalizacjach.

Obecne modele językowe to mistrzowie rozpoznawania wzorców w danych treningowych. Brakuje im jednak prawdziwego rozumienia kontekstu, zdolności do abstrakcyjnego myślenia i – co pokazuje sprawa z myślnikami – precyzyjnego kontrolowania własnych odpowiedzi. Nawet gdy "wiedzą", co powinny zrobić.

Historia z myślnikami to mikrokosmos większego problemu zwanego "alignment" – dostosowania zachowania AI do ludzkich intencji. Możemy mieć model o niesamowitych możliwościach, ale jeśli nie potrafi on niezawodnie wykonać prostej, jasno określonej instrukcji, jak możemy mu zaufać w bardziej krytycznych zastosowaniach? To pytanie, które nie daje spać inżynierom AI na całym świecie.

Paradoksalnie, ChatGPT potrafi wykonywać zadania, które wydają się znacznie trudniejsze niż stawianie myślników. Może analizować skomplikowane problemy matematyczne, tłumaczyć między językami, czy generować kod w dziesiątkach języków programowania. Ale te "trudne" zadania często mają większą tolerancję na błędy i niedokładności. Myślnik albo jest poprawny, albo nie – nie ma tu pola na "prawie dobrze".

Co to oznacza dla Ciebie jako użytkownika

Dobra wiadomość: OpenAI aktywnie pracuje nad poprawą wykonywania instrukcji. Możesz spodziewać się lepszych wyników w zadaniach wymagających precyzji.

Zła wiadomość: jeśli ChatGPT miał problem z myślnikami, nie dziw się, gdy nie wykona perfekcyjnie bardziej złożonych zadań. To przypomnienie, żeby zawsze weryfikować wyniki pracy AI – szczególnie gdy zależy Ci na szczegółach. Modele językowe to potężne narzędzia, ale wciąż daleko im do niezawodności w precyzyjnych zadaniach.

W praktyce oznacza to, że musisz dostosować swoje oczekiwania i sposób pracy z AI. Traktuj ChatGPT jak asystenta, który potrzebuje nadzoru, nie jak autonomiczny system. Jeśli zależy Ci na konkretnym formacie, sprawdź wynik. Jeśli prosisz o przestrzeganie określonych zasad, przygotuj się na iteracje i poprawki. To nie jest wada – to po prostu obecny stan technologii.

Z drugiej strony, fakt że OpenAI publicznie mówi o takich problemach i celebruje ich rozwiązanie, to dobry znak. Pokazuje, że firma rozumie ograniczenia swoich produktów i pracuje nad ich eliminacją. Każdy rozwiązany "drobny" problem to krok w stronę bardziej niezawodnej i użytecznej sztucznej inteligencji.

Źródła

• Ars Technica AI