Μια νέα μελέτη του Tow Center for Digital Journalism, φέρνει στο φως κάτι που πολλοί χρήστες ήδη υποψιάζονταν, ότι τα AI εργαλεία αναζήτησης αποτυγχάνουν συχνά στην ακρίβεια των αποτελεσμάτων τους. Σύμφωνα με τα στοιχεία, ο μέσος όρος λανθασμένων απαντήσεων αγγίζει το 60%, ενώ στην περίπτωση του Grok-3, το ποσοστό εκτοξεύεται στο 96%.
Η έρευνα αξιολόγησε οκτώ ΑΙ εργαλεία αναζήτησης, τα ChatGPT, Perplexity, Perplexity Pro, Gemini, DeepSeek, Grok-2, Grok-3 και Copilot, χρησιμοποιώντας 200 ειδήσεις από εκδότες. Στόχος ήταν να φανεί αν οι μηχανές μπορούσαν να εντοπίσουν σωστά το άρθρο, τον εκδότη και το URL και στην πλειονότητα των περιπτώσεων, απέτυχαν.
Το ChatGPT ήταν το μόνο εργαλείο που απάντησε και στις 200 ερωτήσεις, αλλά μόνο το 28% των απαντήσεων ήταν απόλυτα σωστές, ενώ το 57% ήταν εντελώς λάθος. Αντίστοιχα, το Copilot παρέλειψε τις μισές ερωτήσεις και είχε περίπου 70% ποσοστό λάθος απαντήσεων .
Η έκθεση υπογραμμίζει ένα βασικό ελάττωμα. Τα μοντέλα τεχνητής νοημοσύνης συχνά δίνουν απαντήσεις με απόλυτη σιγουριά, ακόμη και όταν είναι εντελώς λάθος, μια συμπεριφορά γνωστή ως ψευδαίσθηση. Παρόλα αυτά, οι εταιρείες συνεχίζουν να προσφέρουν premium εκδόσεις αυτών των εργαλείων, χρεώνοντας τους χρήστες έως και 200$/μήνα.
Η μελέτη, φυσικά, εγείρει για άλλη μια φορά σοβαρά ερωτήματα σχετικά με το πόσο αξιόπιστες είναι πραγματικά αυτές οι πλατφόρμες.
Πηγή: unboxholics.com