Публикация на Хабре анализирует фундаментальный разрыв между человеческим пониманием смысла и предсказательной природой современных ИИ-моделей, таких как GPT и Gemini. Автор отмечает, что LLM работают на уровне вероятностных вычислений: они предсказывают, какое слово будет следующим, основываясь на статистике, а не на реальном опыте или смысле. Это приводит к явлению "семантического разрыва" — когда ИИ может сымитировать экспертный ответ, но не обладает субъективным восприятием или истинным пониманием контекста.

В статье приводятся примеры того, как ИИ блестяще воспроизводит сложные объяснения или литературные образы, но, по сути, не понимает их. Такой подход достаточен для автоматизации рутины, генерации текстов и аналитики, однако становится ограничением в задачах, где важны интуиция, интерпретация или принятие решений с учётом реального мира.

Исследователи выделяют три направления для сокращения этого разрыва: мультимодальность (создание видео, музыки, изображений), развитие памяти и постановки целей, а также обучение ИИ в физическом мире через роботов. Несмотря на прогресс, синтаксическая обработка пока не равна смыслу. Автор подчёркивает, что «семантический разрыв» — не ошибка, а фундаментальное свойство архитектуры современных ИИ, и предлагает два пути: либо научить ИИ по-настоящему понимать, либо использовать его с учётом ограничений.