Metin analizinde yüzey özellikleri (kelime arama, ifade eşleşmesi) kolayca otomatize edilebilirken, anlatısal çıkarım gerektiren "Gözlemlenebilir Fiziksel Katman" metrikleri yapay zekâyı felç etmektedir. Bu durum, Yapay Zekâ Etiketleme Güvenilirliği benchmark verileriyle tescillenmiştir.
Objective Projection metodolojisinin sunduğu kurallar çerçevesinde test edilen modeller, yalnızca insan etiketçiyle değil, birbirleriyle de uyuşamamaktadır. Örneğin "mikro-odak" kuralında, aynı 100 sahne için kilitli insan etiketçi 96 pozitif verirken; Gemini yalnızca 9, Grok ise 82 pozitif vermiştir. Aynı yazılı tanımı kullanan iki model arasında devasa bir sapma mevcuttur.
Bu durum, yapay zekânın metindeki Anlatısal Entropi ve bilgi sürtünmesi ($I_f$) katmanlarını bir kavrayışla değil, şansa dayalı desen eşleştirmeleriyle ele aldığını gösterir. Edebiyatın Fiziği prensiplerine göre yazılmış bir metindeki derin çıkarımsal yapıları etiketlemek, mevcut yapay zekâ mimarilerinin sınırlarını aşmaktadır. Akademik araştırmacılar, yayımlanan veri kümelerindeki doğruluk etiketlerini insan doğrulamasından geçirmek zorundadır.
Yorumlar
Yorum Gönder