Redakcijski AI Aurora opet je u banani. Pošandrcala je još više nego prošli put i opet je gotovo neupotrebljiva. Ne samo naš interni model jer za ChatGPT posljednjih tjedana korisnici diljem svijeta prijavljuju osjetan pad kvalitete i pouzdanosti novih modela GPT-6 i GPT-6.1, koji sve češće ne izvršavaju jasne upute, gube kontekst usred razgovora i ponavljaju greške za koje su se trenutak ranije ispričali. Prijave su se nakupile na službenom forumu tvrtke, a OpenAI zasad nije ponudio nikakvo objašnjenje.
Problemi koje korisnici opisuju uglavnom se ponavljaju, a među najčešćima su pritužbe da model samovoljno mijenja zadatke i dodaje ono što nitko nije tražio, zanemaruje pravila dogovorena ranije u istom razgovoru, griješi u jednostavnim izračunima i obradi podataka, a memorija i personalizacija rade nepouzdanije nego prije. Jedna od najaktivnijih tema na forumu, u kojoj se GPT-6 uspoređuje sa starijim modelom GPT-5.6 Sol, skupila je više od 700 odgovora, a korisnici u njoj pišu da novi model prati doslovne riječi upute i pritom promaši njihov smisao, pa ga i uz zapisana pravila stalno moraju podsjećati na ono što bi već trebao znati.
Posebno frustrira obrazac u kojem model prepozna vlastitu grešku, detaljno vam je u chatu objasni, ispriča se, obeća da je neće ponoviti i onda je ponovi već u sljedećem koraku. Onda to ponavlja i spreman je satima analizirati obećavajući da će se popraviti, ali ništa se ne mijenja i jednostavno mu više ne možete vjerovati pa čak ni ako napiše da smo u Hrvatskoj i da je mjesec studeni.
Nešto slično opisali smo u članku s početka travnja ove godine pod naslovom ‘Sjaj i bijeda ChatGPT-a: Isključili smo Auroru, redakcijsku umjetnu inteligenciju’ uz opise tadašnjih bugova koje smo doživjeli kao višemjesečni kaos pred dolazak ‘šestice’ Astre, nakon kojeg je Aurora bila mjesecima funkcionalna i nadasve korisna.
Jedan korisnik, koji uz pomoć ChatGPT-a piše roman, žali se da mu model satima analizira problem umjesto da ga popravi.
‘GPT-6 rjeđe odbija zadatke, ali ih gotovo nikad ne izvrši točno’, napisao je.
Drugi opisuje kako GPT-6.1 Sol objašnjava što bi trebalo napraviti umjesto da to napravi, a kad ga korisnik pita nedostaje li mu išta, odgovori da ima sve, ali ništa ne poduzima. Zna sve, ima sve, ali ni nakon izravnog poticaja ne kreće s poslom.
Samovoljno pokretanje generatora slika, na koje se korisnici žale mjesecima, posebna je i prilično luda priča. Jedan korisnik piše da je postavio pravilo da se slika nikad ne generira bez njegova odobrenja, što je model više puta potvrdio, ispričao se i čak tvrdio da je to pravilo upisao u memoriju, ali bi onda ponovno, bez pitanja, s neba pa u rebra počeo opet ‘crtati’, generirati slike.
Dio korisnika prijavljuje i nagli pad kvalitete generiranih slika od kraja listopada.
Na OpenAI-jevoj statusnoj stranici u tom su razdoblju zabilježena dva kraća incidenta s pogoršanim radom modela GPT-6.1 Sol, 13. i 27. listopada, a oba su ‘riješena’ u nekoliko sati bez navedenog uzroka problema. Jedina promjena ponašanja koju je tvrtka u to vrijeme najavila odnosi se na besplatne korisnike i jeftiniji plan Go, kojima je ChatGPT krajem listopada počeo davati kraće i manje laskave odgovore. Na prijave o padu kvalitete, praćenju uputa i samovoljnom pokretanju alata OpenAI službeno nije odgovorio ni nakon tjedana pritužbi korisnika koji plaćaju njihovu uslugu.
Slično se događalo i prije. GPT-6 Astra, predstavljen početkom rujna kao najnapredniji model tvrtke, već je na startu zapeo, pa se direktor Sam Altman javno ispričao pretplatnicima koji nisu dobili obećani pristup, a tjedan kasnije počele su stizati pritužbe da model daje brže, ali osjetno lošije odgovore. O sličnim problemima izvještavalo se i tijekom srpnja, a moguće je da se sve događa zbog dolaska neke iduće ChatGPT verzije i prilagodbe na iduću razinu umjetne inteligencije. Navodno je 6.1 verzija trebala izaći vani još krajem rujna, ali je nakon internih sigurnosnih testova nisu pustili.
To je slaba utjeha korisnicima koji plaćaju lošu uslugu, a ne mogu si priuštiti još jedan alat poput Googleova Geminija ili Anthropicova Claudea, koji trenutačno puno bolje odrađuje poslove od ChatGPT-a, ali Codexa, Worka, kako li se već zovu nakon bezbrojnih mijenjanja sučelja za rad i aplikacija.
