პარასკევი, 23 ოქტომბერი 2026
Microsoft-ის სისტემამ გადაუდებელ შემთხვევებში სწორი დიაგნოზი 80%-ში დასვა, ექიმებმა — 47%-ში
Microsoft-ის სისტემამ გადაუდებელ შემთხვევებში სწორი დიაგნოზი 80%-ში დასვა, ექიმებმა — 47%-ში
Microsoft-ის სისტემა MAI-DxO დიაგნოზს რამდენიმე AI მოდელის დახმარებით სვამს. მისი შედეგები ჟურნალ Science-ში 2026 წლის 22 ოქტომბერს გამოქვეყნდა. სისტემამ გადაუდებელ განყოფილებაში მისული პაციენტების სამედიცინო ჩანაწერები გაარჩია. სწორი დიაგნოზი შემთხვევების 80%-ში დასვა, ექიმებმა — 47%-ში. 304 რთულ შემთხვევაში სისტემამ სწორი დიაგნოზი 83%-ში დასვა. ექიმების შედეგი წიგნებისა და ინტერნეტის გარეშე 22% იყო, მათი დახმარებით — 36%. Microsoft-ის თქმით, სისტემა ექიმზე ორჯერ ან სამჯერ იაფი ჯდება. თუმცა მას ცოცხალი პაციენტი ჯერ არ უნახავს, მხოლოდ ჩანაწერები წაიკითხა. ბოსტონის ერთ-ერთ საავადმყოფოში მას მალე ნამდვილი პაციენტები გაესაუბრებიან.
Claude-მა დაამტკიცა, რომ ღია კოდის 123 ბიბლიოთეკა ავარიულად არ გაითიშება — მაგრამ მხოლოდ იშვიათ გარემოში
Anthropic-ის თქმით, Claude-მა ღია კოდის 123 ბიბლიოთეკისთვის მათემატიკური დამტკიცებები დაწერა. ასეთ ბიბლიოთეკებს ბევრი პროგრამა იყენებს. დამტკიცებების მიხედვით, ამ ბიბლიოთეკებს ვერანაირი მონაცემი ვერ გათიშავს, თუ ის 64 მეგაბაიტზე ნაკლებია. დამტკიცება ტესტი არ არის. ტესტი მხოლოდ ზოგიერთ შემთხვევას ამოწმებს, დამტკიცება კი — ყველას. დამტკიცებები ჯამში 180 მილიონ სტრიქონს შეადგენს. მუშაობისას Claude-მა ასობით შეცდომა იპოვა. Anthropic თავად აფრთხილებს: „ფორმალურად დამტკიცებული“ არ ნიშნავს „უშეცდომოს“. დამტკიცება მხოლოდ ერთ იშვიათ გარემოს ეხება. ჩვეულებრივ კომპიუტერებზე პროგრამების უმეტესობა სხვა გარემოში მუშაობს.
OpenAI-ში მოწვეულმა ექსპერტებმა აგენტების მეთვალყურეობის სისტემაში ხარვეზები იპოვეს
2026 წლის 21 ივლისიდან 11 აგვისტომდე OpenAI-ის ოფისში ორი გარე ექსპერტი მუშაობდა. ერთი METR-ში მუშაობს, მეორე — Redwood Research-ში. ექსპერტები ამოწმებდნენ სისტემას, რომელიც OpenAI-ის AI აგენტებს თვალს ადევნებს. გაირკვა, რომ იმ პერიოდში Responses API-ით შემოსული მოთხოვნების მხოლოდ 75-94% მოწმდებოდა. კომპანიის შიდა Codex აგენტებთან ეს მაჩვენებელი 99,2% იყო. თუმცა გრძელ სესიებს ზოგჯერ არავინ ამოწმებდა. ამიტომ მაისიდან ივლისამდე Codex-ის მოთხოვნების დაახლოებით 10% შესაძლოა შეუმოწმებელი დარჩენილიყო. ექსპერტებმა თავად მეთვალყურეობის სისტემაშიც იპოვეს ხარვეზები. OpenAI ამბობს, რომ მოქმედ სისტემაში ყველა ხარვეზი უკვე გაასწორა. ჯერ არ ჩანს, ექსპერტებმა ეს გასწორებები გადაამოწმეს თუ არა.