تصور کنید بیماری علائم جسمی‌اش را می‌گوید اما ترس واقعی‌اش در لایه‌های پنهان کلامش مخفی می‌کند؛ اگر هوش مصنوعی فقط کلمات را بفهمد، حیاتی‌ترین بخش تعامل را از دست می‌دهد. این شکاف میان «فهم لغوی» و «درک عاطفی»، مرز جدیدی است که برنده آن مشخص شد.
طبق گزارشی که در ۲۴ سپتامبر ۲۰۲۶ منتشر شد، مدل‌های GPT (OpenAI) و Gemini (Google) در خواندن میان خطوط به‌طور قابل‌توجهی از رقبای خود پیشی گرفته‌اند. این موضوع نشان می‌دهد که قدرت استدلال لزوماً به معنای داشتن هوش عاطفی نیست. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، تفاوت در معماری‌های آموزشی می‌تواند منجر به نقاط کور عمیق در درک انسانی شود. در همین راستا، تلاش‌هایی نظیر بسته مفهومی MIT برای آموزش حس‌های بدنی و عواطف به عامل‌های هوش مصنوعی گامی در جهت کاهش این نقاط کور است.
مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — معمولاً روی منطق سخت یا کدنویسی سنجیده می‌شود، اما ارتباطات انسانی بر سیگنال‌های ضمنی استوار است. به نقل از گزارش dev.to، این آزمایش بر اساس دو تسک جامعه‌محور در Kaggle انجام شده است:
- infer_patient_subtext: ارزیابی توانایی مدل در شناسایی معنای واقعی بیمار در پسِ علائم گزارش‌شده.
- emotional_subtext_understanding: سنجش تشخیص تغییرات ظریف عاطفی در یک متن.
بر اساس مستندات این محک، در حالی که GPT و Gemini این ظرافت‌ها را به‌درستی تشخیص دادند، DeepSeek به‌طور کامل شکست خورد. این مدل با وجود شهرت در کدنویسی پیچیده و استدلال ریاضی، متن‌ها را بیش از حد لغوی برداشت کرد و سیگنال‌های عاطفی ضمنی را کاملاً نادیده گرفت. مدل Qwen (Alibaba) نیز برای مقایسه مهارت‌های تفسیری در این رقابت حضور داشت. این ناتوانی در درک لایه‌های پنهان، یادآور چالش‌های بهینه‌سازی توکن‌ها و استراتژی‌های طبقه‌بندی قصد کاربر است که در آن پرامپت‌های کلی معمولاً در مقیاس عملیاتی شکست می‌خورند.
این نتیجه ثابت می‌کند که هوش عمومی یک بلوک یکپارچه نیست. یک مدل می‌تواند در منطق نابغه باشد اما از نظر عاطفی نابینا بماند؛ وضعیتی که در حوزه‌های حساس مثل سلامت روان یا پزشکی، جایی که زیرمتن همه چیز است، ریسک‌های جدی ایجاد می‌کند. این ریسک‌ها به‌ویژه در سیستم‌های خودکار اهمیت می‌یابد، جایی که رویکردهای جدیدی مانند COGEXT برای ایجاد لایه‌ی پاسخگویی و جلوگیری از خطاهای عملیاتی در حال توسعه هستند.
گام بعدی شما
- اگر از مدل‌ها برای تحلیل متون حساس انسانی استفاده می‌کنید، خروجی‌های DeepSeek را با Gemini یا GPT تطبیق دهید.
- در پرامپت‌های خود صراحتاً از مدل بخواهید «لایه‌های عاطفی پنهان» (Emotional Subtext) را تحلیل کند تا احتمال خطای لغوی کم شود.
- رتبه‌بندی لحظه‌ای مدل‌ها را در لیدربورد Kaggle دنبال کنید تا روند تکامل این مهارت را ببینید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو