Yapay zeka alanında son yıllarda tartışılan önemli teorilerden biri olan Platonik Temsil Hipotezi, ciddi bir bilimsel incelemeye tabi tutuldu ve bulgular bu teorinin geçerliliğini sorguluyor.
Bu hipotez, farklı veri türleriyle eğitilen yapay zeka modellerinin - örneğin metin ve görsellerle çalışanların - zamanla benzer gerçeklik temsillerine yakınsadığını iddia ediyordu. Eğer doğru olsaydı, bu durum AI modellerinde veri türü seçiminin önemini büyük ölçüde azaltacaktı.
Ancak yeni araştırma, bu hipotezi destekleyen deneysel kanıtların oldukça kırılgan olduğunu ortaya koyuyor. Araştırmacılar, modeller arası uyumun değerlendirilme şekline son derece bağlı olduğunu keşfetti.
En çarpıcı bulgu, veri seti büyüklüğüyle ilgili. Yaklaşık bin örnek içeren küçük veri setlerinde gözlenen model uyumu, milyonlarca örneğe çıkıldığında dramatik şekilde azalıyor. Bu durum, daha önce rapor edilen benzerliğin aslında sınırlı veri nedeniyle yanıltıcı olduğunu gösteriyor.
Araştırma ayrıca, modeller arasında kalan az miktardaki uyumun da yalnızca kaba anlamsal örtüşmeden kaynaklandığını, tutarlı ince yapısal benzerliklerden değil. Gerçek dünya koşullarında çok-çok eşleştirme senaryolarında bu uyum daha da azalıyor.