Ученые из Университета Джонса Хопкинса установили, что искусственный интеллект значительно отстает от людей в понимании социальных взаимодействий. В частности, ИИ гораздо хуже распознает динамичные социальные сцены, что представляет собой ключевую проблему для технологий, таких как беспилотные автомобили и роботы-ассистенты. Ни одна из более чем 350 протестированных моделей ИИ не смогла точно воссоздать как человеческие суждения, так и реакцию мозга на социальные взаимодействия.
В эксперименте участникам показывали короткие трехсекундные видеоролики, на которых люди взаимодействуют друг с другом, выполняя различные действия. Затем исследователи попросили людей оценить эти сцены по пятибалльной шкале, а также попросили модели ИИ — языковые, видео- и визуальные — предсказать, как люди будут интерпретировать данные ролики и как их мозг отреагирует на их просмотр.
Языковые модели показали наибольшую точность в предсказании человеческого поведения, в то время как видеомодели точнее предсказывали нейронную активность. Однако ни одна из моделей не достигла уровня точности, присущего человеческим суждениям. Даже когда моделям изображений показывали последовательности кадров из видео, они не могли надежно определить, происходят ли в сценах социальные взаимодействия.
По мнению исследователей, эта проблема возникает из-за того, что нейросети, используемые в ИИ, моделируют лишь часть мозга, обрабатывающую статичные изображения, а не ту область, которая отвечает за восприятие динамичных, социальных ситуаций. Ведущий автор исследования, Лейла Исик, подчеркнула: «Есть нечто фундаментальное в том, как люди воспринимают такие сцены, чего пока не хватает ИИ».