Представьте, что перед вами список слов. Слово «зеленый» написано синими буквами, «красный» — желтыми, а «синий» — зелеными. Ваша задача — быстро называть цвет шрифта, а не читать сами слова. Справитесь? Конечно. Да, мозг будет на долю секунды спотыкаться (потому что мы привыкли читать автоматически), но вы пройдете этот тест до конца без особых проблем.
А теперь фокус: если дать это же задание самым продвинутым нейросетям в мире — ChatGPT, Claude и Gemini — они позорно провалят его на первой же минуте.
Группа исследователей под руководством Сукету Пателя провела этот классический психологический эксперимент (он называется тестом Струпа) на искусственном интеллекте. Результаты оказались ошеломляющими: чем длиннее список слов, тем стремительнее глупеет «сверхразум».
Попробуйте пройти Тест Струпа сами
Как ИИ «поплыл» на цифрах: хроника падения
На коротких дистанциях нейросети кажутся гениями. Если дать им список всего из 5 цветных слов, они щелкают задачу как орешки. Но стоит увеличить нагрузку, и у алгоритмов буквально «плавится мозг».
Вот как менялась точность флагманской модели GPT-4o:
-
На 5 словах — блестящие 91% правильных ответов.
-
На 10 словах точность падает до 57%.
-
На 40 словах наступает полная катастрофа — всего 15% попаданий!
Другие гиганты индустрии показали себя не лучше. Хваленый Claude 3.5 Sonnet держал марку ровно до 20 слов, а на сорока — рухнул до жалких 24% точности. Идентичный провал исследователи зафиксировали у новейших систем GPT-5, Claude Opus 4.1 и Gemini 2.5.
Почему у нейросети «срывает крышу» на длинных списках?
Самый жесткий сбой происходил тогда, когда ученые перемешивали простые слова (где цвет чернил и текст совпадали) и сложные (где был конфликт). В этот момент точность ИИ на конфликтных словах падала практически до нуля.
В чём причина? Нейросеть банально теряла фокус и забывала первоначальную инструкцию («называй цвет букв»). Вместо этого она скатывалась к самому простому и глубоко зашитому в её коде действию — к обычному чтению текста.
И здесь кроется забавная параллель. Человек тоже генетически и культурно запрограммирован читать слова, а не распознавать цвета шрифта. Но в отличие от ИИ, у нас в голове есть функция когнитивного контроля. Мы умеем усилием воли подавлять автоматический порыв и удерживать задачу в фокусе, даже если список растянулся на три страницы. У нейросетей этой «силы воли» просто нет.
Разница между вниманием человека и ИИ: прожектор против таблицы
Этот эксперимент обнажил главное различие между живым мозгом и машиной.
-
Наше внимание — это прожектор. Мы можем выхватить одну цель (цвет чернил) и упорно держать на ней луч света, отсекая весь информационный шум вокруг.
-
Внимание ИИ — это математическое уравнение. Нейросеть пытается анализировать всё и сразу, высчитывая связи между всеми словами в запросе. Когда контекста становится слишком много, эти связи размываются, «прожектор» ИИ тускнеет, и модель выбирает самый легкий путь — плыть по течению и просто читать слова.
Что это значит для нас с вами на практике?
Провал теста Струпа — это не повод ставить крест на технологиях. Это важное предупреждение.
Пока вы общаетесь с чат-ботом короткими репликами, он кажется безупречным собеседником, программистом и писателем. Но стоит загрузить его длинной, рутинной, монотонной задачей, где нужно строго следовать правилу и не отвлекаться на «шум», как ИИ начнет незаметно косячить.
Главный вывод: Чем длиннее и монотоннее задача, которую вы поручаете нейросети, тем жестче должен быть ваш личный контроль. За красивым и уверенным тоном ИИ часто скрывается полная потеря концентрации. Спать спокойно можно еще долго: восстание машин откладывается, пока они не научатся держать себя в руках перед лицом цветного шрифта.
ЧИТАЙТЕ ТАКЖЕ: Как понять, что вы умный человек: 8 признаков, которые подтверждает наука
