الذكاء الاصطناعي يواجه تحديات كبيرة في تطبيقات العالم الحقيقي

أظهرت دراسة جديدة أجراها باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) وجامعة هارفارد أن النماذج اللغوية الكبيرة مثل GPT-4 تتمتع بقدرات ملحوظة في بعض المهام، مثل التوجيه عبر الخرائط أو التنبؤ بالكلمات. ومع ذلك، تكشف الدراسة عن تراجع كبير في قدرة هذه النماذج على فهم العالم الحقيقي بعمق. على سبيل المثال، في حين أن النماذج كانت دقيقة في توجيه الأشخاص عبر شوارع نيويورك، إلا أنها واجهت صعوبة كبيرة عندما طرأت تغييرات بسيطة على الخرائط، مثل إغلاق بعض الشوارع. يركز الباحثون الآن على تطوير أدوات تقييم جديدة لقياس مدى قدرة هذه النماذج على فهم الواقع بشكل شامل. ويأملون في تحسين هذه الأنظمة لتصبح أكثر كفاءة ودقة في التعامل مع تطبيقات الحياة اليومية.

النماذج اللغوية الكبيرة: قدرات مذهلة ولكن تفتقر للفهم العميق للعالم الواقعي

شهدت النماذج اللغوية الكبيرة، مثل GPT-4، تطورًا كبيرًا في الآونة الأخيرة، مما جعلها قادرة على أداء مهام متنوعة ومعقدة، مثل كتابة الشعر وتوليد برامج حاسوبية قابلة للتنفيذ. ومع ذلك، ورغم تدريب هذه النماذج على التنبؤ بالكلمات التالية في النصوص، يظل السؤال الأبرز: هل تمتلك هذه النماذج معرفة حقيقية عن العالم؟ دراسة جديدة تأتي لتدحض هذا الافتراض الشائع، وتكشف عن حدود هذه القدرات في التعامل مع الواقع بشكل شامل.

الساعة البيولوجية للجسم: الإيقاع الطبيعي الذي يحافظ على توازن صحتنا

تحديات الدقة في تطبيقات النماذج اللغوية: ضعف الفهم الواقعي

أظهرت دراسة حديثة أن نماذج الذكاء الاصطناعي التوليدية، رغم قدرتها على تقديم إرشادات دقيقة للتنقل في شوارع نيويورك، تفتقر إلى “خريطة داخلية” دقيقة للمدينة. وعلى الرغم من دقتها العالية في توجيه المستخدمين عبر الطرق المألوفة، إلا أن أداء النموذج انهار بشكل ملحوظ عندما طرأت تغييرات بسيطة، مثل إغلاق بعض الشوارع أو إضافة تحويلات جديدة، مما يبرز نقصًا واضحًا في فهم النموذج للواقع المتغير للمدينة.

الطين السحري: مادة طبيعية تفتح آفاقًا جديدة للاستدامة في الرياضة والصناعة

إشكاليات في الخرائط الداخلية للنماذج: فشل في التكيف مع التغيرات البيئية

كشف الباحثون في دراستهم أن الخرائط الداخلية التي تولدها النماذج اللغوية لشوارع نيويورك تحتوي على تفاصيل غير دقيقة، مثل شوارع غير موجودة في الواقع تربط بين تقاطعات بعيدة. هذا يشير إلى أن النماذج اللغوية قد تقدم أداءً جيدًا في بيئات محددة، لكن قد تواجه مشاكل كبيرة عندما تتغير المهمة أو البيئة. كما أضاف البروفيسور آشيش رامباتشان، المؤلف الرئيسي للدراسة وأستاذ مساعد في الاقتصاد بجامعة MIT: “رغم أن النماذج اللغوية قادرة على أداء مهام مذهلة، فإن فهمها المحدود للعالم يشكل تحديًا كبيرًا. من أجل الاستفادة منها في مجالات مثل الاكتشافات العلمية، يجب التأكد من أنها تتعلم نماذج عالمية متكاملة”.

كيف تعيد الشيخوخة تشكيل سلوكيات الحيوانات: دراسة تكشف التغيرات الاجتماعية عبر الأنواع

تعاون بين الجامعات: فريق بحثي متعدد التخصصات يشارك في الدراسة

شارك في هذه الدراسة مجموعة من الباحثين البارزين من جامعات رائدة، بينهم:

• كييون فافا، باحث ما بعد الدكتوراه في جامعة هارفارد.

• جاستن ي. تشين، طالب دراسات عليا في الهندسة الكهربائية وعلوم الحاسوب بمعهد ماساتشوستس للتكنولوجيا (MIT).

• جون كلاينبيرغ، أستاذ علوم الحاسوب والمعلومات في جامعة كورنيل.

• سينديل موليناثان، أستاذ الاقتصاد وعلوم الحاسوب بمعهد MIT وعضو في مختبر LIDS.

ومن المقرر أن يتم تقديم نتائج هذا البحث في مؤتمر أنظمة معالجة المعلومات العصبية القادم، مما يعكس أهمية التعاون بين الجامعات في تطوير أبحاث الذكاء الاصطناعي.

الجاذبية: كيف تؤثر القوة الخفية التي تربط الكون ببعضه على حياتنا اليومية؟

مقاييس جديدة لتقييم نماذج الذكاء الاصطناعي

ركز الباحثون على تحسين أدوات تقييم النماذج اللغوية باستخدام نوع خاص من نماذج الذكاء الاصطناعي التوليدية المعروف بـ “المحول”، والذي يُعد العمود الفقري للنماذج مثل GPT-4. وقد طوروا مقياسين جديدين لتقييم قدرة هذه النماذج على فهم الواقع:

1. تمييز التسلسل: يختبر قدرة النموذج على التمييز بين الاختلافات بين حالتين مختلفتين، مثل لوحين مختلفين للعبة أوثيلو.

2. ضغط التسلسل: يقيس مدى إدراك النموذج للتطابق بين حالتين متطابقتين، مما يدل على أن النموذج يتبع نفس الخطوات المنطقية.

ويشرح فافا قائلاً: “كنا بحاجة إلى بيئات اختبارية يمكننا فيها تقييم نموذج العالم بدقة، لضمان فعالية النموذج في استعادة الواقع”.

ابتكار جينات صناعية تُحدث ثورة في البيولوجيا الاصطناعية: مواد ذكية تتكيف مع بيئتها لأغراض طبية متقدمة

تأثيرات التدريب العشوائي على دقة النماذج

أظهرت الدراسة أن النماذج التي تم تدريبها على بيانات عشوائية، مثلما يحدث في لعبة أوثيلو، كانت أكثر قدرة على تشكيل نماذج دقيقة للعالم، وذلك بفضل تعرضها لمجموعة واسعة من الاحتمالات. ومع ذلك، فقد تدهور أداء النموذج بشكل كبير عند إضافة تغييرات بسيطة، مثل إغلاق بعض الشوارع في خريطة نيويورك.

ويقول فافا: “لقد فوجئنا بمدى حساسية النموذج لهذه التغييرات البسيطة، حيث انخفضت دقته بشكل مفاجئ من 100% إلى 67% عند إغلاق 1% من الشوارع”.

اكتشاف مذهل: نجم نيوتروني يدور بسرعة قياسية في مجرتنا

استخلاص العِبر من نتائج البحث

تُظهر هذه النتائج أن أداء النماذج اللغوية قد يكون رائعًا في بعض المهام، لكنه لا يعكس فهمًا حقيقيًا للقواعد التي تحكم العالم، مما يبرز التحديات التي تواجه استخدام الذكاء الاصطناعي في تطبيقات واقعية تتطلب فهمًا شاملاً ودقيقًا للعالم.

يأمل الباحثون في تطوير هذه النماذج لتكون قادرة على تشكيل نماذج عالمية دقيقة، وهو ما يستدعي تطوير خوارزميات متقدمة وأدوات تقييم أكثر فعالية.

كيف يخلق التنوع الموسيقي مشاعر مختلفة؟ دراسة تحليلية تفسر التفاعلات الموسيقية

آفاق المستقبل: استكشاف تحديات جديدة

يتطلع الباحثون إلى معالجة مجموعة أوسع من المشكلات في المستقبل، خصوصًا تلك التي تتضمن قواعد معقدة أو غير معروفة بالكامل. ويعتقدون أن المقاييس التي تم تطويرها في هذه الدراسة يمكن أن تكون أدوات فعالة لتقييم النماذج اللغوية في مجالات علمية متنوعة، مما يسهم في تحسين دقة وفعالية الذكاء الاصطناعي في تطبيقات العالم الحقيقي.