Dlaczego AI nie liczy R w słowie strawberry
Autor Chatday Editorial Team ·
Poproś chatbota o zaplanowanie ślubu, a zrobi to znakomicie. Zapytaj, ile razy litera R występuje w „strawberry”, a jest spora szansa, że powie dwa. Prawdziwa odpowiedź to trzy. To jedna z najdziwniejszych rzeczy we współczesnej AI: to samo narzędzie, które tłumaczy ci fizykę kwantową, wykłada się na zadaniu, które sześciolatek rozwiąże ołówkiem.
To nie błąd i AI nie jest głupia. To efekt uboczny tego, jak te systemy w ogóle czytają. A kiedy już to zrozumiesz, wiele drobnych, dziwnych wpadek AI nagle nabiera sensu.
Słynna wpadka z „strawberry”, wyjaśniona
„Ile R jest w strawberry?” stało się ulubionym sposobem internetu na ośmieszanie AI. I przez pewien czas prawie każdy chatbot się mylił, odpowiadając „dwa” z pogodną pewnością kogoś, kto nigdy w życiu się nie pomylił.
Przeliteruj sam: s-t-r-a-w-b-e-r-r-y. Jedno R jest blisko początku, a podwójne R blisko końca. Razem trzy. Dla człowieka łatwe, bo patrzymy na prawdziwe litery. AI tego nie może, a żeby zrozumieć dlaczego, trzeba spojrzeć, jak czyta.
AI czyta kawałkami, nie literami
Oto część, której prawie nikt nie zna. Zanim model AI przeczyta twoją wiadomość, tekst zostaje pocięty na kawałki zwane tokenami. Token to zwykle częste słowo albo jego fragment. Słowo „strawberry” często dzieli się na coś w rodzaju „st”, „raw” i „berry”.
Teraz policz R tak, jak robi to model. Kawałek „st” nie ma żadnego. „raw” ma jedno. „berry” ma dwa, ale model widzi je jako jedną bryłę, nie jako b-e-r-r-y. Litery zostają więc pogrzebane w kawałkach, a model musi mniej więcej pamiętać, jak zapisuje się każdy kawałek, zamiast odczytać go na bieżąco.
Pewien badacz ujął to znakomicie: to jak liczenie nitek w linie bez wcześniejszego jej rozkręcenia. Model widzi splecioną linę (token), a nie pojedyncze nitki (litery).
Dlaczego ta sama cecha psuje prostą matematykę
Dlatego właśnie AI przelatuje przez esej z filozofii, ale potyka się na mnożeniu czterech cyfr. Liczby też są cięte na kawałki, i to nawet nie w spójny sposób. Liczba 12345 może stać się „123” i „45”, więc model nigdy porządnie nie ustawia cyfr tak, jak zrobiłbyś to na kartce.
Do tego AI nie liczy. Przewiduje najbardziej prawdopodobną rzecz do powiedzenia na podstawie wszystkiego, co przeczytała. Z językiem działa to świetnie, gdzie „mniej więcej dobrze” wystarcza, a z arytmetyką źle, gdzie odpowiedź jest albo dokładna, albo błędna. Model jest zbudowany do prawdopodobieństwa, a matematyka chce precyzji. Te dwie rzeczy nie zawsze się dogadują. To krewny powodu, dla którego AI z pełnym przekonaniem zmyśla: płynna i wiarygodna odpowiedź to nie to samo co poprawna.
Więc czemu niektóre modele już to trafiają?
Tu następuje zwrot. Zapytaj dziś większość chatbotów o strawberry, a powiedzą trzy. Pytanie stało się tak sławne, że poprawna odpowiedź jest już wyryta w tym, czego się nauczyły. Modele nie zyskały nagle wzroku do liter. Nauczyły się puenty na pamięć.
Zmień słowo, a maska opada. W starannym teście z 2025 roku badacze zapytali, ile B jest w „blueberry”. Popularny chatbot mylił się mniej więcej cztery razy na dziesięć, twierdząc z przekonaniem, że są trzy, choć są dwa, razem z ptaszkami obok swojej pracy. Inny model trafiał za każdym razem, idąc cierpliwie litera po literze. To samo zadanie, zupełnie inne wyniki, co mówi ci, że to mniej żelazne prawo AI, a bardziej kwestia tego, czy dany model zada sobie trud, by zwolnić i sprawdzić.
To jest uczciwa wersja tej historii. Problem kawałków jest prawdziwy, ale to nie wszystko. Nawet AI, która pokazuje swoje rozumowanie, może źle policzyć, bo dopasowuje wzorce przez kolejne kroki, zamiast naprawdę dostrzegać każdą literę. Nowsze „myślące” modele radzą sobie z tym dużo lepiej niż te szybkie, dobry przykład szybkiej AI kontra mądrej AI w akcji. Ale lepiej to nie to samo co na pewno.
W czym AI jest świetna i co warto sprawdzić
Nie musisz znać na pamięć tego, co dzieje się pod maską. Wystarczy ci wyczucie, gdzie AI jest niezawodna, a gdzie lepiej kazać jej pokazać pracę.
| Zadanie | Jak AI sobie radzi | Co zrobić |
|---|---|---|
| Pisanie, streszczanie, wymyślanie pomysłów | Znakomicie | Zaufaj, potem przejrzyj |
| Wyjaśnienie pojęcia prostymi słowami | Znakomicie | Zaufaj |
| Liczenie liter lub znaków | Chwiejnie | Poproś, żeby przeliterowała |
| Długie lub dokładne działania | Chwiejnie | Poproś krok po kroku albo użyj kalkulatora |
| Dokładne szczegóły w długim dokumencie | Różnie | Poproś, by zacytowała oryginalny wiersz |
Wzór jest prosty. Gdy zadaniem jest język, pozwól jej płynąć. Gdy zadanie wymaga dokładności, zwolnij ją albo przełącz się na model, który uważa.
Jak naprawdę zdobyć poprawną odpowiedź
Trzy ruchy naprawiają niemal każdą wpadkę w liczeniu czy rachunkach:
- Każ jej pokazać pracę. „Idź litera po literze” albo „rozwiąż krok po kroku” popycha model, by rozpisał wszystko tam, gdzie może to zobaczyć, zamiast wyrzucić z siebie odpowiedź.
- Zapytaj dwa razy albo zapytaj dwa modele. Jeśli dokładność ma znaczenie, nie ufaj pierwszej szybkiej odpowiedzi. Druga opinia innego modelu wyłapuje zaskakująco dużo tych błędów.
- Użyj właściwego modelu do zadania. Szybkie, gadatliwe modele są zbudowane do tempa. Do wszystkiego, co drobiazgowe i dokładne, wolniejszy, myślący model wart jest tych kilku sekund więcej.
Ten ostatni punkt jest łatwiejszy, gdy nie jesteś przywiązany do jednej AI. Możesz ustawić kilka najlepszych modeli przy tym samym pytaniu i zobaczyć, kto naprawdę ma rację.
Podsumowanie
Wpadka AI z liczeniem liter nie jest znakiem, że jest ona po cichu głupia. To okno na to, jak te narzędzia naprawdę działają: czytają kawałkami, przewidują zamiast liczyć, genialne z językiem i niezdarne z dosłownością. Kiedy to wiesz, przestajesz się dziwić i zaczynasz sterować. Poproś, by zwolniła, każ jej pokazać pracę, a gdy odpowiedź naprawdę musi być poprawna, dorzuć drugi model.
Najlepszy sposób, by wyrobić sobie to wyczucie, to samemu podłubać. Poproś model, żeby policzył R, potem poproś, by najpierw przeliterował słowo, i patrz, jak zmienia się odpowiedź.