ChatGPT به تازگی یک پازل 150 پوکمون را بدون هیچ سرنخی حل کرده است – در اینجا دلیل این موضوع مهم است.
هوش مصنوعی در استدلال و پاسخ ساده به سؤالات ما بسیار بهتر شده است. اما بسیار دشوارتر حل مسئله ای است که در آن هر پاسخ به ده ها پاسخ دیگر بستگی دارد و یک اشتباه می تواند کل راه حل را خراب کند.
به همین دلیل است که نمایش جدیدی از OpenAI GPT-5.6 Sol Pro توجه من را در این هفته جلب کرد. رایلی گودساید، محقق هوش مصنوعی، یکی از غیرمعمولترین تستهای استدلالی را که من دیدهام به اشتراک گذاشت: یک پازل خالی که توسط Claude Fable 5 Max با 150 اولین پوکمون ساخته شده است. اما مشکل اینجاست که به ChatGPT یک نکته شماره گذاری نشده است.
در عوض، او باید کل پازل را بر اساس حروف متقاطع و ساختار کلی پازل پر می کرد.
چرا این تاثیرگذارتر از آن چیزی است که به نظر می رسد؟
ChatGPT 5.6 Sol Pro یک پازل خالی (ساخته شده توسط Claude Fable 5 Max) را با 150 پوکمون اول بدون هیچ سرنخ شماره گذاری جداگانه حل می کند: pic.twitter.com/oCjgVfYoNE13 جولای 2026
در نگاه اول، به نظر یک چالش سرگرم کننده پوکمون است. اما وقتی نگاهی دقیقتر بیندازیم، به برجسته کردن مشکلاتی که هوش مصنوعی در دنیای واقعی با آن مواجه است بسیار نزدیکتر میشویم.
در حالی که جدول کلمات متقاطع سنتی یک سرنخ را در یک زمان حل می کند، این پازل متفاوت عمل می کند. بدون سرنخ های فردی، GPT-5.6 Sol Pro باید تعیین می کرد که هر پوکمون به کجا تعلق دارد و در عین حال مطمئن می شد که هر پاس ثابت می ماند. یک جایابی نادرست می تواند ده ها اصلاح رو به پایین را مجبور کند. این یک مشکل بزرگ رضایت از محدودیت بود.
اینها انواع چالشهایی هستند که عوامل هوش مصنوعی هنگام اشکالزدایی نرمافزار، برنامهریزی گردش کار، هماهنگ کردن چندین ابزار یا سازماندهی پایگاههای کد بزرگ با آنها مواجه هستند.
چرا پوکمون واقعا این کار را دشوار می کند؟
نام های پوکمون برای این آزمایش عالی هستند. بسیاری از آنها املای غیرمعمول، الگوهای حروف مشابه و طول های متفاوت دارند. مدل باید اینها را به درستی از حافظه بازیابی کند و در عین حال بررسی کند که هر کلمه متقاطع همچنان کار می کند.
این کمی شبیه حل یک سودوکو است که در آن هر عدد با یک کلمه متفاوت جایگزین می شود. چالش در کنار هم قرار دادن همه آنها بدون شکستن پازل نهفته است.
این در مورد استدلال هوش مصنوعی چه می گوید؟
یکی از بزرگترین تفاوتهای مدلهای پیشرو هوش مصنوعی امروزی و چتباتهای چند سال پیش، توانایی آنها در استدلال بر روی بسیاری از محدودیتهای به هم پیوسته است.
مدلهای جدیدتر استدلال ممکن است زمان بیشتری را صرف بررسی احتمالات، عقبنشینی در صورت لزوم، و تأیید اینکه پاسخ نهایی از نظر درونی سازگار است، به جای ارائه پاسخ سریع صرف کنند.
OpenAI قرار گرفته است GPT-5.6 Sol Pro تواناترین مدل برای کارهای استدلالی دشوار و طولانی است و نمایش هایی مانند این دقیقاً نشان می دهد که این پیشرفت ها از کجا شروع می شوند.
شایان ذکر است که این هنوز یک نمایش توسعه دهنده است و یک معیار رسمی نیست. بدون اعلان کامل، خود پازل و آزمایشهای مستقل مکرر، نمیتوان فهمید که مدل تا چه حد میتواند آن نتیجه را ایجاد کند. با این حال، من فکر می کنم نسخه ی نمایشی به دلیل دیگری جالب است.
تجسم بیشتر معیارهای هوش مصنوعی دشوار است زیرا نمرات در آزمونهای کدنویسی یا امتحانات ریاضی همیشه برای کاربران معمولی اهمیت زیادی ندارد، اما یک پازل به برجسته کردن قابلیتهای هوش مصنوعی کمک میکند.
افکار نهایی
همه می توانند بلافاصله بفهمند که چرا پر کردن کل جدول بدون سرنخ های فردی دشوار است. ثابت نگه داشتن صدها محدودیت مقطعی مستلزم نوع بسیار متفاوتی از استدلال نسبت به پاسخ دادن به یک سؤال است.
چه طرفدار پوکمون باشید و چه نباشید، این یکی از آن نسخههای نمایشی هوش مصنوعی است که باعث میشود آخرین نسل مدلهای استدلالی کاملاً متفاوت از مدلهای قبلی باشد.
دنبال کردن راهنمای تام برای Google News و ما را به عنوان منبع ترجیحی اضافه کنید برای مشاهده آخرین اخبار، تحلیل ها و بررسی های ما در فیدهای خود. مشترک شدن در راهنمای تام یوتیوب و ما را دنبال کنید tiktok. در نهایت می توانید از بخش ویژه ما دیدن فرمایید. دفتر مرکزی تیم پس انداز راهنمای تام برای کمک متخصصان برای دریافت بهترین محصولات با قیمت کمتر.