Derfor klarer ikke AI å telle R-ene i strawberry
Av Chatday Editorial Team ·
Be en chatbot planlegge bryllupet ditt, og den fikser det med glans. Spør hvor mange ganger bokstaven R finnes i «strawberry», og sjansen er stor for at den sier to. Det riktige svaret er tre. Dette er en av de rareste tingene ved moderne AI: det samme verktøyet som forklarer deg kvantefysikk, snubler på en oppgave en seksåring løser med en blyant.
Det er ikke en feil, og AI-en er ikke dum. Det er en bivirkning av hvordan disse systemene leser i utgangspunktet. Og når du først skjønner det, faller mange av AI-ens små, rare tabber plutselig på plass.
Den berømte «strawberry»-tabben, forklart
«Hvor mange R er det i strawberry?» ble internetts favorittmåte å gjøre narr av AI på. Og en stund tok nesten alle chatbotene feil og svarte «to», med den muntre selvsikkerheten til noen som aldri har tatt feil i hele sitt liv.
Stav det selv: s-t-r-a-w-b-e-r-r-y. Det er en R nær starten og en dobbel-R nær slutten. Tre til sammen. Lett for et menneske, fordi vi ser på de virkelige bokstavene. AI-en får ikke lov til det, og for å skjønne hvorfor må man se på hvordan den leser.
AI leser i biter, ikke i bokstaver
Her er delen nesten ingen kjenner til. Før en AI-modell leser meldingen din, hakkes teksten opp i biter som kalles tokens. En token er som regel et vanlig ord eller en del av ett. Ordet «strawberry» deles ofte opp i noe som «st», «raw» og «berry».
Tell nå R-ene slik modellen gjør. Biten «st» har ingen. «raw» har én. «berry» har to, men modellen ser det som én eneste klump, ikke som b-e-r-r-y. Så bokstavene blir begravd inne i bitene, og modellen må huske omtrent hvordan hver bit staves i stedet for å lese den av direkte.
En forsker sa det perfekt: det er som å prøve å telle trådene i et tau uten å tvinne det opp først. Modellen ser det tvinnede tauet (token), ikke de enkelte trådene (bokstavene).
Hvorfor den samme særegenheten ødelegger enkel matte
Det er også derfor AI seiler gjennom et filosofiessay, men snubler på et firesifret gangestykke. Tall hakkes også opp i biter, og ikke engang på en konsekvent måte. Tallet 12345 kan bli «123» og «45», så modellen stiller aldri sifrene ordentlig opp slik du ville gjort på papir.
I tillegg regner ikke AI-en. Den forutsier det mest sannsynlige å si videre ut fra alt den har lest. For språk fungerer det utmerket, der «nær nok» holder, og for aritmetikk dårlig, der svaret enten er eksakt eller feil. Modellen er bygget for sannsynlighet, og matte vil ha presisjon. De to går ikke alltid overens. Det er en fetter til grunnen til at AI selvsikkert finner på ting: et flytende og troverdig svar er ikke det samme som et riktig ett.
Så hvorfor får noen modeller det til nå?
Her kommer vendingen. Spør de fleste chatbotene om strawberry i dag, og de sier tre. Spørsmålet ble så berømt at det riktige svaret nå sitter i det de har lært av. Modellene fikk ikke plutselig bokstavsyn. De pugget poenget.
Bytt ord, og masken faller. I en grundig test i 2025 spurte forskere hvor mange B det er i «blueberry». En populær chatbot tok feil omtrent fire av ti ganger og hevdet selvsikkert at det var tre når det er to, komplett med små haker ved siden av utregningen. En annen modell hadde rett hver eneste gang ved å gå tålmodig bokstav for bokstav. Samme oppgave, vidt forskjellige resultater, noe som forteller deg at dette mindre er en jernhard AI-lov og mer et spørsmål om hvorvidt en gitt modell gidder å bremse ned og sjekke.
Det er den ærlige versjonen av historien. Bitproblemet er ekte, men det er ikke hele sannheten. Selv en AI som viser resonnementet sitt kan telle feil, fordi den mønstergjenkjenner seg gjennom stegene i stedet for å virkelig oppfatte hver bokstav. Nyere «tenkende» modeller er mye bedre på dette enn de raske, et godt eksempel på rask AI mot smart AI i praksis. Men bedre er ikke det samme som garantert.
Hva AI er knallgod på og hva du bør dobbeltsjekke
Du trenger ikke kunne rørleggerarbeidet utenat. Du trenger bare en teft for hvor AI er steinsolid og hvor det er verdt å la den vise arbeidet sitt.
| Oppgave | Hvor god AI er | Hva du skal gjøre |
|---|---|---|
| Skrive, oppsummere, spinne ideer | Utmerket | Stol på den, skum så gjennom |
| Forklare et begrep med enkle ord | Utmerket | Stol på den |
| Telle bokstaver eller tegn | Vaklende | Be den stave |
| Lange eller eksakte utregninger | Vaklende | Be om steg for steg, eller bruk en kalkulator |
| Presise detaljer i et langt dokument | Blandet | Be den sitere kildelinjen |
Mønsteret er enkelt. Når oppgaven er språk, la den flyte. Når oppgaven krever nøyaktighet, brems den ned eller bytt til en modell som er nøye.
Slik får du faktisk riktig svar
Tre grep fikser nesten hver telle- eller regnetabbe:
- La den vise arbeidet sitt. «Gå bokstav for bokstav» eller «løs det steg for steg» tvinger modellen til å legge alt ut der den kan se det, i stedet for å slenge ut et svar.
- Spør to ganger, eller spør to modeller. Hvis nøyaktighet betyr noe, ikke stol på det første raske svaret. En ny vurdering fra en annen modell fanger opp overraskende mange av disse feilene.
- Bruk riktig modell til jobben. De raske, pratsomme modellene er bygget for tempo. For alt som er fiklete og eksakt er de ekstra sekundene hos en tregere, tenkende modell verdt det.
Det siste poenget er lettere når du ikke er låst til én AI. Du kan stille noen av de beste modellene overfor det samme spørsmålet og se hvem som faktisk har rett.
Kort oppsummert
AI-ens telletabbe er ikke et tegn på at den i hemmelighet er dum. Det er et vindu inn i hvordan disse verktøyene faktisk virker: de leser i biter, forutsier i stedet for å regne, briljante med språk og klønete med det bokstavelige. Når du vet det, slutter du å bli overrasket og begynner å styre. Be den bremse ned, la den vise arbeidet sitt, og når svaret virkelig må stemme, hent inn en modell nummer to.
Den beste måten å bygge den teften på er å fikle selv. Be en modell telle R-ene, be den så stave ordet først, og se svaret endre seg.