Teknologjia që qëndron në themel të shumicës së modeleve të inteligjencës artificiale të përdorura sot janë modelet e mëdha gjuhësore (LLM), një formë e avancuar e mësimit makinerik dhe përpunimit të gjuhës natyrore. Shumë kompani të AI-së po mbështeten në idenë se, duke u ushqyer me sasi gjithnjë e më të mëdha të dhënash, këto modele mund të arrijnë një nivel autonomie dhe funksionimi të ngjashëm me atë njerëzor. Megjithatë, një studim i ri vë seriozisht në pikëpyetje këtë supozim, duke argumentuar se rritja e pafundme e kapaciteteve të LLM-ve ka kufij të qartë matematikor.
Studimi, i realizuar nga studiuesit Vishal dhe Varin Sikka, pretendon se LLM-të janë të paafta të kryejnë detyra llogaritëse dhe vepruese përtej një niveli të caktuar kompleksiteti. Sipas autorëve, ekzistojnë kërkesa apo “prompte” që kërkojnë përpunime më të ndërlikuara sesa ato që modeli është në gjendje të realizojë. Në këto raste, sistemi ose dështon plotësisht, ose prodhon rezultate të pasakta.
Ky përfundim godet drejtpërdrejt idenë e agjentëve të AI, pra sistemeve që mund të kryejnë detyra shumëhapëshe në mënyrë plotësisht autonome, pa mbikëqyrje njerëzore. Edhe pse studiuesit nuk mohojnë dobinë apo përmirësimin e vazhdueshëm të teknologjisë, ata theksojnë se potenciali real i saj është shumë më i kufizuar sesa paraqitet shpesh në narrativat optimiste të kompanive të mëdha të teknologjisë.
Ky studim i shtohet një sërë kërkimesh të mëparshme skeptike ndaj LLM-ve. Studiues nga Apple, si dhe ekspertë të pavarur, kanë argumentuar se këto modele nuk “mendojnë” realisht, por vetëm simulojnë arsyetimin. Në këtë kontekst, puna e Sikka shihet si një tjetër provë e fortë se, pavarësisht përparimeve, inteligjenca artificiale aktuale është larg tejkalimit të inteligjencës njerëzore në të ardhmen e afërt.
