اختراق في فهم اللغة بالذكاء الاصطناعي يحاكي تحول التعلم البشري

أصبح فهم اللغة بالذكاء الاصطناعي خطوة أقرب إلى محاكاة كيفية استيعاب البشر للمعنى. كشفت دراسة جديدة نُشرت في مجلة الميكانيكا الإحصائية: النظرية والتجربة عن تحول سلوكي مفاجئ في كيفية معالجة الذكاء الاصطناعي للغة. وفقًا للباحثين، يبدأ فهم اللغة بالذكاء الاصطناعي بموضع الكلمة، ولكن بمجرد التعرض لكمية كافية من البيانات، ينتقل فجأة إلى التركيز على معنى الكلمة، بشكل مشابه لـ تحول الطور في الأنظمة الفيزيائية.

استكشفت الدراسة نماذج المحولات المبسطة، وهي البنية الأساسية وراء أنظمة مثل ChatGPT وGemini. تعتمد هذه النماذج على آلية الانتباه الذاتي لتقييم العلاقات بين الكلمات في الجملة. في البداية، تستخدم أنظمة الذكاء الاصطناعي ترتيب الكلمات لتحديد وظيفتها، تمامًا مثل طفل يتعلم قواعد النحو. على سبيل المثال، في اللغة الإنجليزية، ”ماري تأكل التفاحة“ تتبع بنية الفاعل-الفعل-المفعول به.

ومع ذلك، وجد الباحثون أنه مع زيادة بيانات التدريب، يحدث شيء ملحوظ: تتغير استراتيجية النموذج للفهم بالكامل. يتوقف عن الاعتماد على موضع الكلمة ويبدأ في إعطاء الأولوية للمحتوى الدلالي. هذا التحول الدراماتيكي في فهم اللغة بالذكاء الاصطناعي يشبه كيفية تغير المواد الفيزيائية لحالاتها، مثل تحول الماء إلى بخار تحت تأثير الحرارة.

من القواعد إلى المعنى: تحول مفاجئ

أوضح المؤلف الرئيسي هوغو كوي، وهو باحث ما بعد الدكتوراه في هارفارد، أنه خلال التدريب المبكر، تلجأ الشبكة افتراضيًا إلى التعلم الموضعي. ولكن بمجرد تجاوز عتبة حرجة، تتبنى الشبكة استراتيجية قائمة على المعنى. “لم نتوقع مثل هذا الانقسام الواضح قال كوي. تحت العتبة، يتعلق الأمر كله بالموضع؛ وفوقها، يتعلق الأمر كله بالدلالات”.

تستند الأبحاث بشكل كبير إلى مفاهيم من الفيزياء الإحصائية، حيث يمكن وصف سلوك الأنظمة الكبيرة باستخدام الاحتمالات. تتصرف الشبكات العصبية، المكونة من وحدات مترابطة أو ”عصبونات“ بطريقة مماثلة. هذا يجعل مفهوم تحول الطور استعارة ملائمة للتحول المفاجئ الملاحظ في فهم اللغة بالذكاء الاصطناعي.

لماذا هذا مهم لسلامة وكفاءة الذكاء الاصطناعي

يمكن أن يساعد فهم متى ولماذا يغير الذكاء الاصطناعي استراتيجيته الباحثين في بناء أنظمة أكثر أمانًا وكفاءة. ”تعطينا هذه النماذج المبسطة أدلة حول الظروف التي تغير فيها نماذج اللغة سلوكياتها“ لاحظ كوي. ”هذه الرؤية ضرورية لتطوير أنظمة ذكاء اصطناعي ليست قوية فحسب، بل يمكن التنبؤ بها أيضًا“. نُشرت كجزء من عدد خاص تعلم الآلة 2025 في JSTAT وقُدمت في NeurIPS 2024، تمثل هذه الدراسة معلمًا بارزًا في فك شفرة آليات عمل الذكاء الاصطناعي الداخلية. مع اعتمادنا المتزايد على أدوات مثل ChatGPT وGemini، يصبح فهم أساس فهم اللغة بالذكاء الاصطناعي أمرًا حيويًا، ليس فقط لتحسين الأداء، ولكن أيضًا لضمان تطوير مسؤول للذكاء الاصطناعي.