Искусственный интеллект теряет концентрацию на длинных задачах

В ходе эксперимента под руководством Сукету Пателя ведущие ИИ-системы, включая GPT-4o, Claude 3.5 Sonnet и Gemini 2.5, столкнулись с задачей на подавление автоматических реакций. Суть испытания заключалась в назывании цвета чернил, которыми написано слово, обозначающее другой цвет. Пока списки оставались короткими, алгоритмы демонстрировали уверенную точность, однако при увеличении нагрузки их эффективность стремительно падала.

Результаты оказались показательными: GPT-4o при пяти словах выдавал 91% верных ответов, но при сорока пунктах показатель проседал до 15%. Модели будто теряли изначальную установку, возвращаясь к базовому алгоритму простого чтения слов. Исследователи объясняют этот феномен неспособностью нейросетей поддерживать произвольное внимание, что принципиально отличает их когнитивные процессы от человеческих. В отличие от людей, умеющих подавлять привычные паттерны при длительной работе, алгоритмы оказываются заложниками собственных тренировочных данных, которые в конечном итоге пересиливают заданный контекст.