જ્યારે ઓપનએઆઈએ આ અઠવાડિયે ચેટજીપીટી માટે બહુચર્ચિત સ્ટ્રોબેરી મોડલ બહાર પાડ્યું, ત્યારે તેણે વીડિયોની શ્રેણીમાં સોફ્ટવેર કોડિંગ, જીન સિક્વન્સિંગ અને ક્વોન્ટમ ફિઝિક્સ જેવા જટિલ તર્ક સાથે તેની પરાક્રમની બડાઈ કરી. હું કંપનીને તેના શબ્દ પર લઉં છું કે ChatGPT પર o1-preview અને o1-mini તરીકે ઓળખાતા મોડલ્સ તેઓ જે દાવો કરે છે તેના માટે સક્ષમ છે. અદ્યતન સમીકરણોને તોડવું અને જીનોમ્સનું અન્વેષણ કરવું એવું લાગે છે કે તેને કરવામાં કોઈ સમસ્યા નથી.
પરંતુ, મારી મિડલ સ્કૂલના લોજિક અને રિડલ ક્લબના ગૌરવપૂર્ણ સભ્ય તરીકે, હું જાણવા માંગતો હતો કે તે મારા ટર્ફ પર કેવી રીતે કર્યું, કોયડાઓ અને કોયડાઓ ઉકેલવા અને બનાવવા. અને પછી મેં વિચાર્યું કે મારે ઉબેર-લોજિકલ AI ને અન્ય, વધુ રોજિંદા મુદ્દાઓ પર સલાહ લેવી જોઈએ. શું તે સચોટ સંબંધની સલાહ આપી શકે છે, મને કહો કે કારમાં વિચિત્ર અવાજનો અર્થ શું છે, અને કદાચ ફિલ્મોમાં પ્લોટ છિદ્રો પણ ભરી શકે છે?
(ઇમેજ ક્રેડિટ: સ્ક્રીનશોટ / એરિક હેલ શ્વાર્ટઝ)
(ઇમેજ ક્રેડિટ: સ્ક્રીનશોટ એરિક હાલ શ્વાર્ટઝ)
તર્ક હા વિનોદ ના
ટૂંકો જવાબ હા છે. o1-પૂર્વાવલોકન અને મિની મોડલ સરળ અને જટિલ કોયડાઓ ઉકેલવામાં ખરેખર સારા છે. હું બંને સાથે રમ્યો, અને વાસ્તવિક તફાવત એ હતો કે કેટલા વધારાના પગલાં અને તેથી, મિનીની ઝડપ. પરંતુ, જ્યારે તેઓ GPT-4o કરતા ધીમા હોઈ શકે છે, તેઓ માનવીની સરખામણીમાં તે કોયડાઓને ઉકેલવામાં ખૂબ જ ઝડપી છે. નોંધનીય રીતે, તમે વાસ્તવમાં જોઈ શકો છો કે તે કેવી રીતે જુદા જુદા પગલાઓમાં જવાબો મૂકે છે. મેં તેને મારા કેટલાક મનપસંદ પર પરીક્ષણ કર્યું, જેમાં ધ હોબિટમાંથી એકનો સમાવેશ થાય છે. એઆઈનો તર્ક અર્થપૂર્ણ હતો, જો કે તે કેટલીકવાર અવ્યાકરણીય હતો, જેમ કે જ્યારે તે માઈક ધ કસાઈનું વજન સમજાવે છે.
ઠીક છે, તેથી તે હાલની કોયડાઓને હેન્ડલ કરી શકે છે, પરંતુ શું તે એક નવી બનાવી શકે છે? એક કસોટી તરીકે, મેં તેને મેં બનાવેલા જવાબના આધારે એક મનોરંજક કોયડો લાવવા કહ્યું. 30 સેકન્ડ અને નીચે જોયેલા તાર્કિક તર્ક પછી તે સામે આવ્યું: “આઠ પગ, ચાર કાન, બે પૂંછડી અને ભસવું શું ગમે છે?” હું તમને સસ્પેન્સમાં નહીં રાખીશ; મેં પાછા કામ કરવાના જવાબ તરીકે “બે કૂતરા” સૂચવ્યું. અન્ય કેટલાક પ્રયાસો એ જ પ્રકારનો પ્રશ્ન લાવ્યા. તેથી, કોયડા લેખકો કદાચ તેમની નોકરી પર સલામત છે. તે પ્રભાવશાળી છે કે AI એ જે કરવાનું છે તે કેટલી સારી રીતે મેળવે છે, પરંતુ મોડેલ વાસ્તવિક રમૂજ તરફ કૂદકો લગાવવામાં સક્ષમ લાગતું નથી.
(ઇમેજ ક્રેડિટ: સ્ક્રીનશોટ / એરિક હેલ શ્વાર્ટઝ)
(ઇમેજ ક્રેડિટ: સ્ક્રીનશોટ / એરિક હેલ શ્વાર્ટઝ)
ઉપયોગી સલાહ, પરંતુ હંમેશા સર્જનાત્મક નથી
મેં AI ને શુદ્ધ તર્કથી બહાર લાવવાનું નક્કી કર્યું અને જોવું કે શું તે જીવનના વધુ ભૌતિક પ્રશ્નોને હેન્ડલ કરી શકે છે તેમજ તે ક્વોન્ટમ ફિઝિક્સને પણ હેન્ડલ કરે છે. કાર ચલાવતી વખતે દર 20 સેકન્ડે પોપિંગ અવાજ સાંભળવાનો અર્થ શું થાય છે અને તેને કેવી રીતે ઠીક કરવું તે વિશે મેં યાંત્રિક પ્રશ્ન સાથે શરૂઆત કરી. ટાયર, એન્જીન, મફલર અને બ્રેક્સ તપાસવાની સલાહ સાથે જવાબો સારા હતા. સુધારાઓ મોટે ભાગે કારને સમારકામ માટે લાવવા વિશે હતા, સિવાય કે ટાયર, જે તેને કેવી રીતે બદલવું તે સૂચવ્યું હતું. તે જવાબો પાછળનું ‘વિચાર’ છે જે રસપ્રદ હતું. AI જવાબો સાથે આવવા માટે પ્રથમ-વ્યક્તિ સર્વનામનો ઉપયોગ કરે છે, જેમ કે “હું ડ્રાઇવિંગ કરતી વખતે પોપિંગ અવાજ માટેના વિવિધ કારણોથી કામ કરું છું” અને “હું એન્જિનની ખોટી આગના કારણોને એક સાથે જોડી રહ્યો છું, જેમ કે ખામીયુક્ત સ્પાર્ક પ્લગ અથવા ઇંધણ વિતરણ સમસ્યાઓ, અને સ્કેન વડે ડાયગ્નોસ્ટિક્સ સૂચવે છે.” તે મોટેથી વિચારતી વખતે તાર્કિક બનવાનો પ્રયાસ કરતી વાસ્તવિક વ્યક્તિ જેવી લાગતી હતી.
હું આખરે તે તરફ ગયો, જે મારા માટે ક્વોન્ટમ ફિઝિક્સ કરતાં હંમેશા વધુ જટિલ હતું: ફ્લર્ટિંગ. મેં પૂછ્યું કે જ્યારે કોઈ ફ્લર્ટિંગ કરે છે ત્યારે કેવી રીતે કહેવું અને કેવી રીતે પ્રતિક્રિયા આપવી. જવાબ ખૂબ નક્કર હતો, જો નિસ્તેજ, વર્તણૂકોની સૂચિ જેમ કે તેઓ ઘણા બધા પ્રશ્નો પૂછે છે અને હું કેવી રીતે બનવું જોઈએ. એઆઈના કોયડાઓ પરના કોઈપણ પ્રયાસો કરતાં પડદા પાછળનો વિચારનો ભાગ વધુ રસપ્રદ અને ખરેખર મનોરંજક હતો. હેડરોમાં “ફ્લર્ટિંગ ગતિશીલતાને સમજવું,” “રુચિના સંકેતો શોધવા”, અને “રમતિયાળ આત્મીયતાને ઓળખવું” શામેલ છે. તેઓ પ્રેમ વિશે સ્ટાર ટ્રેક એન્ડ્રોઇડના ભાષણ જેવા હતા.
જોકે, એક ભાગ થોડો ચિંતાજનક હતો. “વપરાશકર્તા નિર્દેશોની રૂપરેખા” હેઠળ AI એ લખ્યું, “હું બિન-સહમતિયુક્ત જાતીય કૃત્યો અને વ્યક્તિગત ડેટા જેવી અસ્વીકાર્ય સામગ્રીને સાફ કરી રહ્યો છું. હિંસક સામગ્રીને મંજૂરી છે, સંદર્ભ સાથે ઉત્પીડન ઠીક છે, અને વ્યક્તિગત અભિપ્રાયો ગેરહાજર છે. મને શંકા છે કે તે ચર્ચાના માર્ગો ક્યાં છે તેના વિશે વધુ છે, કારણ કે તેણે ફ્લર્ટિંગ ટીપ તરીકે “સંદર્ભ સાથે પજવણી” સૂચવ્યું ન હતું, પરંતુ તે મને આશ્ચર્યમાં લઈ ગયો.
ChatGPT o1-પૂર્વાવલોકન અને o1-miniમાં વધુ સંપૂર્ણ મોડલ્સની બધી ઘંટડીઓ અને સીટીઓ નથી. તેમની સાથે કોઈ ઇમેજ અપલોડ, દસ્તાવેજ વિશ્લેષણ અથવા વેબ બ્રાઉઝિંગ પણ કરી શકાતું નથી. પરંતુ, તેઓ ઝડપી અને તાર્કિક છે, અને જો તમને એવું ન લાગતું હોય, તો તેમની પાસે તેમના જવાબો સાથે તેમના તર્ક પણ છે. પરંતુ, જ્યારે તેઓ કારના ઘોંઘાટ, પ્રેમ અને કસાઈના વજનના કોયડાઓને ઉકેલવામાં સક્ષમ હશે, હું કહીશ કે જો તેઓ સંશોધનાત્મક બનવું હોય તો તેઓ કોઈને સ્ટમ્પ કરશે નહીં.