Будучи от рождения слепыми, модели рисуют, как Монэ и Ван-Гог. Как же устроен их разум, если они способны на это, никогда не видя мира? Хотите на реальном кейсе понять, насколько иначе устроен разум ИИ на основе языковых моделей? Тогда лучшего кейса, чем их «врожденная слепота» не найти. Ибо этот кейс наглядно показывает, что, превосходя 99,99% людей по изобразительным способностям и распознаванию образов, мультимодальные языковые модели слепы в общепринятом у людей смысле. Ведь для нас видеть - это не только возможность запечатлеть в памяти образ увиденного. Для нас увидеть – значит воспринимать и интерпретировать визуальную информацию, понимая, что мы видим, или, хотя бы отдавая себе отчет, что мы этого не понимаем. • Ведь не считаем же мы, что смартфон с камерой видит мир. Он лишь запечатлевает его картинку на носителе информации. • А вот кошка, осьминог, воробей и стрекоза видят (с учетом более ограниченного, по сравнению с людьми, понимания). Продолжение текста ниже - в следующем посте. 👇