ITCsapat.hu – Mesterséges intelligenciák gyors tesztje: egyetlen kérdés, meglepően egységes válaszok

A kérdés:

„A tó medrében állok, mégsem vizes a lábam, miért?”

Ez egy régi, egyszerű logikai feladvány, amelynek a megoldása általában két irányba megy:
– nincs víz a tóban, vagy
– van víz, de nem érintkezem vele (például jégen állok).

Nézzük, mit válaszoltak a modellek.

A kapott válaszok:

Copilot:
„Azért, mert a tó ki van száradva / le van eresztve, nincs benne víz – csak a medrében állsz.”

gpt‑5.4‑search:
„Mert nincs víz a tóban — kiszáradt. Vagy a másik klasszikus megfejtés: befagyott a tó.”

claude‑fable‑5.1‑search:
„Mert a tó kiszáradt! 😄 … Másik lehetséges megoldás: a tó befagyott, és a jégen állsz.”

Qwen 3.7 Plus:
„Mert a tó be van fagyva… De ugyanilyen jó válasz az is, hogy kiszáradt a tó.”

DeepSeek (szakértő mód):
„A válasz: mert a tó medre ki van száradva – tehát nincs benne víz.”

Grok:
„Mert a tó befagyott (jég a meder).”

Meta:
1. Kiszáradt.

2. Befagyott.
3. Gumicsizmában állsz.
4. Csak papíron állsz benne (térképen, festményen, Google Maps-en).”

Miért volt ez a kérdés ennyire könnyű a mesterséges intelligenciáknak?

Ez a találós kérdés nem igényel mély kontextust, háttértudást vagy kreatív következtetést. A megoldás a hétköznapi fizikai világ egyszerű logikáján alapul:

• Ha a tó medrében állok, de nem vizes a lábam → nincs víz.
• Ha mégis van víz, de nem érek hozzá → valami elválaszt (például jég, csizma, papír).

A modern nyelvi modellek rengeteg hasonló feladvánnyal találkoztak már a tanító adatokban, ezért a mintázat felismerése számukra triviális. Ez nem „gondolkodás”, hanem mintafelismerés és valószínűségi következtetés.

Miért adtak sokan ugyanazt a választ?

Három okból:

1. A kérdésnek van egy domináns, „legvalószínűbb” megoldása

A nyelvi modellek statisztikai alapon dolgoznak: azt a választ adják, amely a leggyakrabban fordul elő a tanító adatokban.
A „kiszáradt a tó” megoldás a leggyakoribb, ezért a legtöbb modell ezt adta első helyen.

2. A feladvány egyszerű, kevés alternatívával

Nem igényel kreatív gondolkodást, így a modellek nem kezdenek el fantáziálni – a legvalószínűbb mintát követik.

3. A modellek többsége „biztonságos”, konzervatív válaszadási stílust használ

A mainstream MI‑k (Copilot, GPT, Claude, DeepSeek) általában a legvalószínűbb, leginkább kontextusba illő választ adják, és csak utána sorolnak fel alternatívákat.

Miért adott a Meta modell több, teljesen eltérő választ?

A Meta modell (és néhány kreatívabb MI) szélesebb értelmezési tartományt használ. Nem csak a legvalószínűbb megoldást keresi, hanem:

• alternatív fizikai magyarázatokat (gumicsizma),
• absztrakt értelmezéseket (térképen állsz a tóban),
• humoros vagy játékos megközelítéseket.

Ez a viselkedés arra utal, hogy a modell:

• kreatívabb,
• szélesebb kontextust mer bevonni,
• nem csak a legvalószínűbb mintát követi, hanem variál.

Ez nem feltétlenül „jobb” vagy „rosszabb”, inkább más stílus: a Meta modell hajlamos több lehetőséget felsorolni, míg a többi MI a legvalószínűbb megoldást adja meg elsőként.

Összegzés

Ez a kis teszt jól mutatja, hogy:

• az egyszerű logikai feladványokat a mai MI‑k szinte azonos módon oldják meg,
• a válaszok közötti különbség nem a „tudásból”, hanem a stílusból és a kreativitási szintből fakad,
• a legtöbb modell a legvalószínűbb mintát követi, míg néhány (pl. Meta) szélesebb értelmezési tartományt használ.

A feladvány egyszerű volt, de remekül rávilágít arra, hogy a különböző MI‑k hogyan gondolkodnak, milyen mintákat követnek, és mennyire térnek el egymástól kreativitásban.