Negli ultimi giorni, più fonti riportano notizie relative a una generica perdita di lucidità di ChatGPT, o, per essere più precisi, a un relativo indebolimento delle sue performance e capacità di risoluzione dei problemi; alcuni, addirittura, lo definiscono ‘stupido’.
In effetti, chi utilizza il tool di OpenAI con continuità ha potuto constatare nei mesi una parziale modifica nella sua capacità di interazione, in particolare nella versione 4, divenuta per certi versi più veloce, ma allo stesso tempo più imprecisa.
Le teorie degli utenti
il 21 maggio, l’esperto di intelligenza artificiale e product lead di RobloxUno, Peter Yang, è stato uno dei primi a presentare pubblicamente il problema con un tweet, trovando riscontri anche da parte di altri utenti.
“L’output di GPT4 è cambiato di recente. Genera più velocemente, ma la qualità sembra peggiore. Forse OpenAI sta cercando di risparmiare sui costi. Qualcun altro ha notato questo problema?“
Le teorie si sono sprecate fin da subito e anche il forum ufficiale di OpenAI si è animato attorno a questo tema. Secondo molti utenti, non si può escludere un’azione deliberata di OpenAI, che avrebbe messo opportuni filtri per aumentare un approccio politicamente corretto del chatbot, diminuendone le capacità. Altri sostengono invece che sarebbe stato modificato il funzionamento stesso del tool, suddividendolo in 16 micro-aree tematiche (un’operazione che si chiama Mixture of Experts; ne ha parlato Sharon Zhou, CEO di Lamini, in un’intervista a Insider), che si starebbero dunque rivelando più affaticate del previsto a interagire tra loro.
Lo studio universitario
Negli ultimi giorni, è emerso che qualcuno stava già indagando da un punto di vista scientifico i fondamenti di queste impressioni e, a fine luglio, è arrivato uno studio realizzato da tre ricercatori delle università di Stanford e Berkeley.
Obiettivo originale del paper, 8 pagine, era di valutare come il comportamento dei grandi modelli linguistici LLM (nello specifico ChatGPT, nelle versioni 3.5 e 4) cambi nel tempo e, per farlo, hanno confrontato le performance dei tool tra marzo e giugno.
La tenuta dell’intelligenza artificiale è stata testata in quattro campi distinti:
- Risoluzione di problemi matematici
- Risposta a domande sensibili
- Generazione di codice
- Ragionamento visivo
In effetti, lo studio ha dimostrato che il comportamento dell’AI è effettivamente cambiato nel breve lasso di tre mesi e che sono calate vertiginosamente alcune sue capacità nella versione 4. L’accuratezza nella risoluzione di problemi matematici sottoposti a GPT-4, ad esempio, è passata dal 97,6 al 2,4% (nettamente inverso, invece, il 3.5, passato da 7,4 a 86,8%). GPT-4 è diventato in generale più restio a rispondere a domande sensibili e solo nel ragionamento visivo si sono registrati lievi miglioramenti in entrambi.
Nella risoluzione di problemi matematici, a giugno, GPT-4 aveva smesso di seguire la logica “chain-of-thought” (catena di pensiero, un approccio di ragionamento del modello artificiale) per scomporre il problema in step, di conseguenza era portato a sbagliare. GPT-3.5, invece, sbagliava a monte per poi modificarsi e impostare il ragionamento corretto, quindi riusciva alla fine a fornire la risposta giusta.
Nello stesso mese, entrambi i modelli tendevano ad aggiungere testo extra (commenti, triple quotes, etc) quando era richiesto loro di occuparsi di generazione di codice, rendendolo non direttamente eseguibile.
Nelle risposte a domande sensibili, entrambi i modelli hanno dimostrato di essere diventati più sicuri e cauti, ma fornendo anche meno motivazioni al rifiuto di rispondere a certe domande.
Le conclusioni
Il team è dunque giunto alla conclusione che quanto sospettato da molti utenti è corretto, anche se è improprio definire ChatGPT ‘stupido’: agli aggiornamenti del tool di OpenAI possono corrispondere comportamenti indesiderati; è proprio il miglioramento di alcuni aspetti che può involontariamente peggiorare altre capacità.
Ad esempio, GPT-4 potrebbe essere stato aggiornato per rispondere meno a domande pericolose, ma proprio questa specifica potrebbe aver compromesso la sua abilità di seguire i ragionamenti matematici.
Il team di ricerca non è in grado di dare risposte a tutte le domande. Comprende parzialmente cosa sia accaduto, ma non sa esattamente dire perché sia avvenuto. La conclusione la danno però sotto forma di monito: ChatGPT e i modelli LLM affini vanno costantemente monitorati nel tempo per valutarne la qualità e il comportamento. Il team stesso si ripropone, alla fine del paper, di impostare un’osservazione a lungo termine.
Lo studio apre riflessioni interessanti su come effettivamente l’intelligenza artificiale si basi su interazioni olistiche tra campi diversi, ed è proprio questa interazione tra ‘intelligenze diverse’ a renderla un modello efficace di imitazione della nostra.
