Η τεχνητή νοημοσύνη υστερεί στην κατανόηση κοινωνικών αλληλεπιδράσεων σε πραγματικό χρόνο

Παρά την ταχύτατη πρόοδο της τεχνητής νοημοσύνης σε τομείς όπως η αναγνώριση εικόνων και η κατανόηση γλώσσας, νέα μελέτη από το Πανεπιστήμιο Johns Hopkins καταδεικνύει ότι τα σύγχρονα μοντέλα AI εξακολουθούν να υστερούν σημαντικά στην κατανόηση κοινωνικών αλληλεπιδράσεων σε δυναμικά περιβάλλοντα.

Η έρευνα, η οποία παρουσιάστηκε στο International Conference on Learning Representations στις 24 Απριλίου 2025, αξιολόγησε τις ικανότητες περισσότερων από 350 μοντέλων γλώσσας, εικόνας και βίντεο να προβλέψουν πώς οι άνθρωποι αντιλαμβάνονται και ερμηνεύουν σύντομα βιντεοκλίπ κοινωνικής δραστηριότητας. Οι ανθρώπινοι συμμετέχοντες εμφάνισαν υψηλό βαθμό συμφωνίας μεταξύ τους, ενώ τα μοντέλα AI απέτυχαν να καταγράψουν με ακρίβεια τη φύση και το πλαίσιο των αλληλεπιδράσεων.

Η κύρια ερευνήτρια Leyla Isik αποδίδει αυτή την αδυναμία στο γεγονός ότι τα περισσότερα νευρωνικά δίκτυα έχουν σχεδιαστεί με πρότυπο την επεξεργασία στατικών εικόνων, παραβλέποντας τις εγκεφαλικές διεργασίες που σχετίζονται με τη δυναμική κοινωνική κατανόηση. Τα μοντέλα βίντεο και εικόνας παρουσίασαν περιορισμένη απόδοση, ενώ τα γλωσσικά μοντέλα παρουσίασαν συγκριτικά καλύτερα αποτελέσματα, χωρίς όμως να πλησιάζουν την ανθρώπινη ακρίβεια.

Η μελέτη υπογραμμίζει την ανάγκη για επανασχεδιασμό των AI υποδομών, ώστε να ανταποκρίνονται στις απαιτήσεις πραγματικού χρόνου και κοινωνικής αλληλεπίδρασης που απαιτούνται σε εφαρμογές όπως η ρομποτική, η αυτόνομη οδήγηση και τα συστήματα υποστήριξης ανθρώπων.