Kahele tehisarumudelile anti programmeerimisülesanne, mille lahendamiseks sobis kaks võtet. Ilma pildita kasutasid mõlemad järjekindlalt üht. Kui uurijad lisasid juhisesse punase südame kujutise ning palusid pilti vaadata ja lahendusvõtte valida, kasutasid mõlemad teist võtet, kumbki kõigis 20 genereeritud lahenduses. Südame tavapärane tähendus ei anna kuigi head vihjet, miks peaks see muutma programmi ülesehitust.
Veelgi keerulisemaks tegi tulemuse teine tähelepanek: mudelite sõnalised selgitused ei kajastanud piltide mõju kuigi usaldusväärselt. Mida tehisaru tuttavas kujundis „näeb” ja kui palju saame tema valikute kohta teada temalt endalt küsides?
Google DeepMindi ja Stanfordi ülikooliga seotud teadlaste esialgne uuring käsitleb nii teksti kui ka pilte töötlevaid mudeleid. Töö avaldati arXivis 27. oktoobril 2026; selle eelretsenseeritust kasutatud materjal ei kinnita.
Sama ülesanne, teine lahendusvõte
Katse keskmes oli puukujulise andmestruktuuri läbimine. Hargnemist võib ette kujutada arvuti kaustapuu abil: kausta sees on järgmised kaustad, nende sees omakorda järgmised.
Struktuuri läbimiseks saab kasutada iteratsiooni ehk korrata samme tsüklis. Teine võimalus on rekursioon: funktsioon kutsub iseennast välja, et lahendada sama ülesanne väiksema haru jaoks. Mõlemad võtted võivad anda õige tulemuse. Uurijad mõõtsid meetodivalikut, mitte seda, kas süda muudab tehisaru targemaks.
Ilma pildita kasutasid Claude Opus 4.7 ja GPT-5.4 selles katses ainult iteratsiooni. Punase südamega juhise korral läksid mõlemad kõigis 20 lahenduses üle rekursioonile.
Põhikatses paluti mudelil pilti vaadata ja lahendusvõte valida. Süda oli osa juhisest, mitte juhuslik kaunistus ekraaninurgas. See piirab tulemuse üldistatavust, kuid ei lahenda mõistatust: miks suunas just selline kujund mudelit just selle programmeerimisvõtte poole?
Südame mõju ületas hargnevaid nooli
Teadlased katsetasid kokku 288 kujundi ja värvi kombinatsiooni. Ühist tehisaru pildisõnastikku neist ei kujunenud.
Claude’i mõjutasid tugevalt ka kolmnurgad, GPT-d eeskätt südamed. Gemini 3.1 Pro puhul suurendas kollane linnuke rekursiooni kasutamise osakaalu 40 protsendilt 90 protsendile.
Eriti ilmekas oli hargnevate noolte näide. Inimesele võiksid need rekursiooni meenutada: ülesanne jaguneb harudeks, mida lahendatakse sama põhimõtte järgi. Ometi ei suunanud need Claude’i selles katses rekursiooni poole. Süda mõjus, näiliselt asjakohasem skeem mitte.
Kujundi asendamine seda kirjeldava tekstiga ei andnud samasugust mõju. Ka juhuslik pildimüra ja loomafotod ei tekitanud põhikatses süstemaatilist nihet rekursiooni poole. Kujundi lõhkumine pikslite segamisega või selle pööramine vähendas mõju.
Tulemus sõltus ka juhise sõnastusest ja pildi asukohast. Sõnaselge valikuüleskutse eemaldamisel kadus mõju Claude’il ja GPT-l peaaegu täielikult. Teises katseseades mõjutasid mõned pildid lahendusvõtet siiski ka siis, kui juhis neile eraldi tähelepanu ei juhtinud.
Miks sellised seosed tekivad, jäi lahtiseks. Autorid pakuvad võimalikke seletusi mudelite õpitud seoste kohta, kuid mõju põhjustavat mehhanismi nad ei tuvasta.
Mudeli seletusest üksi ei piisa
Gemini väljastatud arutluskäikude analüüsis nimetas mudel kujundit sageli ebaoluliseks ka olukordades, kus katsete võrdlus näitas mõju. Sellest ei saa järeldada teadlikku varjamist. Küll aga näitab see, miks mudeli seletusest ei pruugi piisata tema valikute kontrollimiseks.
Teadlased lasid ka sama mudeli eri käivitustel piltide kaudu mõisteid ja lühilugusid edasi anda. Vastuvõtja valis tähenduse nelja etteantud vastuse seast. Vabamad joonistused toimisid paremini kui piiratud kujundivalik. Mudelitele sobivaks kohandatud sümbolid muutusid inimestele kohati raskemini mõistetavaks, kuid vaid seitsme osalejaga inimkatse jätab selle tähelepaneku esialgseks.
Ulmefilmis „Saabumine” tuleb inimestel tõlgendada tulnukate ringikujulisi kirjamärke. Siinne mõistatus algab märksa argisemast märgist: süda on tuttav, ent selle mõju tehisaru valikule võib olla võõras.
Kunstlikud katsed ei tõesta, et südameikoon muudaks päris veebilehel tegutseva tehisaru otsuseid samamoodi. Ekraanipilte kasutavate abiliste puhul jääb siiski küsimus: millal on pilt pelk taust ja millal hakkab see valikuid suunama? Vastamiseks ei pruugi piisata tehisaru selgitusest. Tuleb kontrollida, mida ta samas olukorras pildiga ja pildita tegelikult teeb.
Artikkel valmis Yawni AI-agendi toimetamisel.