Ovi sistemi mogu da rješavaju matematičke probleme, zasnovano na onome što su naučili, ali rezultati često mogu da variraju ili da budu pogrešni. AI je isprogramiran i "naštelovan" da pruži proračune vjerovatnoća, ali ne i da ponude proračune zasnovane na pravilima, piše Njujork tajms.

- AI četbotovi imaju problema sa matematikom jer nikada nisu bili dizajnirani za to - kaže Krisian Hamond – profesor i istraživač za vještačku inteligenciju sa Nordvestern univerziteta.

Ova vrsta vještačke inteligencije nije programirana sa rigidnim pravilima, već uči tako što analizira ogromne količine podataka. Generiše jezik, zasnovan na svim informacijama koje su prikupljene, tako što predviđa koja riječ ili fraza će najvjerovatnije biti sledeća – u velikoj mjeri kao što to čine i ljudi.

- Ova tehnologija je brilijantna, ali ne može sve. Svako želi da odgovor na AI bude jedna stvar. To je suludo - kaže Hamond.

Tokom vremena, AI četbotovi su se saplitali i na najjednostavnijim aritmetičkim i matematičkim problemima koji zahtijevaju više koraka za rješenje. Sposobnosti AI-ja se poboljšavaju, ali i dalje predstavljaju nedostatak.

Četbotovi vještačke inteligencije pružaju lažne informacije o predstojećim američkim izborima

Nepravilne performanse tehnologije na polju matematike doprinose žustroj debati u zajednici vještačke inteligencije o tome koji je najbolji put napred u ovoj oblasti. Uopšteno govoreći, postoje dva tabora.

Na jednoj strani su oni koji vjeruju da napredne neuronske mreže, poznate kao veliki jezički modeli, koje napajaju AI četbotove predstavljaju skoro jedinstven put ka stalnom napretku i na kraju ka vještačkoj opštoj inteligenciji, ili AGI – kompjuteru koji može da uradi sve što ljudski mozak može. To je dominantan pogled u velikom dijelu Silicijumske doline.

Međutim, postoje skeptici koji se pitaju da li je dodavanje više podataka i moćnijeg računarskog procesiranja u velike jezičke modele dovoljno.

- Veliki jezički model slabo razumiju logiku i nemaju zdravorazumsko rezonovanje - kaže Jan Lekun, glavni inženjer za AI u kompaniji Meta. Ono što je potrebno jeste širi pristup, koji Lekun naziva "modeliranjem svijeta", ili sistemi koji mogu da nauče kako svet funkcioniše kao i ljudi. Ali može potrajati decenija ili više da se to postigne.