Визуальное восприятие ИИ

Ограничения визуального восприятия ИИ из-за шаблонов данных

Современные ИИ-модели, такие как Nano Banana Pro и GPT-5.2, демонстрируют ограниченное визуальное восприятие, не способное адекватно интерпретировать изображения, выходящие за рамки стандартных шаблонов. В эксперименте с изображением руки с шестью пальцами модели не могли переопределить своё суждение, несмотря на прямую подсказку, и продолжали отвечать «пять пальцев». Это связано с тем, что в обучающих данных доминируют образы рук с пятью пальцами, формируя устойчивую статистическую связь. В результате модель использует упрощённую логику: если объект похож на руку, он автоматически считается имеющим пять пальцев, игнорируя точные визуальные детали.

Подробнее →