كيف تجبرنا النماذج اللغوية الكبيرة على إعادة تعريف الذكاء

هناك قول قديم: إذا كان يبدو وكأنه بطة، ويسير مثل البطة، وينعب مثل البطة، فمن المحتمل أنه بطة. هذا الأسلوب البسيط في التفكير، المرتبط غالبًا بالشاعر إنديانا جيمس ويتكومب ريلي، قد شكل طريقة تفكيرنا حول الذكاء الاصطناعي لعدة عقود. الفكرة التي تقول إن السلوك كافٍ لتحديد الذكاء ألهمت اختبار آلان تورينج الشهير “لعبة التمثيل”، والذي يُعرف الآن باسم اختبار تورينج.

اقترح تورينج أن إذا لم يكن بإمكان الإنسان التمييز بين是否 كان يتحادث مع آلة أو إنسان آخر، يمكن القول إن الآلة ذكية. كلا اختبار البطة واختبار تورينج يشيران إلى أن ما يهم ليس ما بداخل النظام، وإنما كيف يتصرف. لعدة عقود، قاد هذا الاختبار التقدم في مجال الذكاء الاصطناعي. ومع ذلك، مع وصول النماذج اللغوية الكبيرة، تغيرت الحال. هذه الأنظمة يمكن أن تكتب نصوصًا متسلسلة، وتحافظ على محادثات، وتحل المهام بطرق تشبه الإنسان بشكل ملحوظ. السؤال لم يعد حول ما إذا كانت الآلات يمكن أن تقلد المحادثة الإنسانية، وإنما حول ما إذا كان هذا التقليد يُعد ذكاءً حقيقيًا. إذا كانت النظام يمكن أن يكتب مثلنا، ويفكر مثلنا، ويتخيل مثلنا، فهل يجب أن نسميه ذكيًا؟ أو هل السلوك وحده لم يعد كافياً لقياس الذكاء؟

تطور الذكاء الاصطناعي

النماذج اللغوية الكبيرة غيرت طريقة تفكيرنا حول الذكاء الاصطناعي. هذه الأنظمة، التي كانت في السابق محدودة بإنشاء استجابات نصية أساسية، يمكن الآن حل مشكلات منطقية، وكتابة شفرة حاسوبية، وكتابة قصص، وحتى مساعدة المهام الإبداعية مثل كتابة السيناريو. واحدة من التطورات الرئيسية في هذا التقدم هي قدرتهم على حل المشكلات المعقدة من خلال التفكير المتسلسل، وهو أسلوب يُعرف باسم سلسلة الأفكار. من خلال تقسيم المشكلة إلى أجزاء صغيرة، يمكن للنموذج اللغوي الكبير حل مشكلات رياضية معقدة أو ألعاب منطقية بطريقة تشبه حل المشكلات البشرية. هذه القدرة مكنتها من مطابقة أو حتى تجاوز الأداء البشري في معايير متقدمة مثل معيار الرياضيات أو معيار الرياضيات المدرسية. اليوم، النماذج اللغوية الكبيرة تتمتع أيضًا بخصائص متعددة الوضعيات. يمكنها العمل مع الصور، وتفسير الفحوصات الطبية، وشرح الألغاز البصرية، ووصف الرسومات المعقدة. مع هذه التطورات، السؤال لم يعد حول ما إذا كانت النماذج اللغوية الكبيرة تقلد السلوك البشري، وإنما حول ما إذا كان هذا السلوك يعكس فهمًا حقيقيًا.

أثر التفكير البشري

نجاح النماذج اللغوية الكبيرة يغير طريقة تفهمنا للذكاء. التركيز ينتقل من مطابقة سلوك الذكاء الاصطناعي مع البشر، كما اقترح اختبار تورينج، إلى استكشاف مدى قرب النماذج اللغوية الكبيرة من التفكير البشري في طريقة معالجتها للمعلومات (أي التفكير البشري الحقيقي). على سبيل المثال، في دراسة حديثة، قارن الباحثون بين آليات عمل النماذج الذكية والنشاط الدماغي البشري. وجدت الدراسة أن النماذج اللغوية الكبيرة التي تضم أكثر من 70 مليار معامل، لا فقط حققت دقة على مستوى البشر، ولكن أيضًا نظمت المعلومات داخليًا بطرق متطابقة مع أنماط النشاط الدماغي البشري.

عندما عمل البشر والنماذج الذكية على مهام التعرف على الأنماط، أظهرت صور الأشعة الدماغية أنماطًا مشابهة من النشاط في المشاركين البشرين والأنماط الحسابية في النماذج الذكية. نظمت النماذج المفاهيم المجردة في طبقاتها الداخلية بطرق متوافقة مباشرة مع أنماط موجات الدماغ البشري. هذا يشير إلى أن التفكير الناجح قد يتطلب هياكل تنظيمية متشابهة، سواء في الأنظمة البيولوجية أو الاصطناعية.

然而، يُشدد الباحثون على حدود هذه الدراسة. شملت الدراسة عددًا صغيرًا من المشاركين البشر، والبشر والآلات approached المهام بشكل مختلف. عمل البشر مع أنماط بصرية، بينما معالجت النماذج الذكية وصفات نصية. الارتباط بين معالجة الإنسان والآلة مثير للاهتمام، لكنه لا يثبت أن الآلات تفهم المفاهيم بنفس الطريقة التي يفهمها البشر.

هناك أيضًا اختلافات واضحة في الأداء. بينما اقتربت أفضل النماذج الذكية من دقة البشر في الأنماط البسيطة، أظهرت انخفاضات أداء أكثر دراماتيكية في المهام الأكثر تعقيدًا مقارنة بالمشاركين البشر. هذا يشير إلى أن尽管 هناك تشابهات في التنظيم، قد تظل هناك فروق جوهرية في كيفية معالجة البشر والآلات للمفاهيم المجردة المعقدة.

المنظور الشكاك

على الرغم من هذه النتائج المثيرة، هناك حجة قوية تقول إن النماذج اللغوية الكبيرة ليست أكثر من مجرد محاكاة ماهرة. هذا المنظور يأتي من تجربة الفيلسوف جون سيرل الشهيرة “غرفة اللغة الصينية“، والتي توضح لماذا السلوك قد لا يعني الفهم.

في هذه التجربة، يطلب سيرل منا أن نتخيل شخصًا مقيدًا في غرفة ولا يتحدث إلا الإنجليزية. يتلقى الشخص رموز صينية ويستخدم كتاب قواعد إنجليزية لمنح استجابات تبدو مثل استجابات المتحدث الصيني الأصلي. من الخارج، تبدو استجابات الشخص مثل استجابات المتحدث الصيني الأصلي. ومع ذلك، يجادل سيرل بأن الشخص لا يفهم أي شيء عن اللغة الصينية. إنه يتبع القواعد بدون أي فهم حقيقي.

ينطبق نفس المنطق على النماذج اللغوية الكبيرة. يُتهمون بأنهم “ببغاء إحصائي” يولّدون استجابات بناءً على الأنماط الإحصائية في بيانات التدريب، وليس الفهم الحقيقي. مصطلح “إحصائي” يشير إلى طبيعتها الاحتمالية، بينما يُشدد مصطلح “الببغاء” على سلوك التقليد بدون فهم.

هناك قيود تقنية للنماذج اللغوية الكبيرة تدعم هذا الحجة. النماذج اللغوية الكبيرة تنتج بشكل متكرر “وهم“، استجابات تبدو معقولة لكنها خاطئة تمامًا، ومضللة، وبدون معنى. هذا يحدث لأنها تختار كلمات معقولة إحصائيًا بدلاً من استشارة قاعدة معرفة داخلية أو فهم الحقيقة والكذب. هذه النماذج تكرر أيضًا الأخطاء والتحيزات البشرية. يُضللها المعلومات غير ذات الصلة التي يسهل على البشر تجاهلها. تظهر أيضًا تصورات عنصرية وجنسية لأنها تعلمت من بيانات تحتوي على هذه التحيزات. یکی من القيود الكاشفة هو “تحيز الموقع”، حيث تُشدد النماذج على المعلومات في بداية أو نهاية المستندات الطويلة بينما تُهمل المحتوى في الوسط. هذا “الضياع في الوسط” يُظهر أن هذه الأنظمة تمتلك معالجة المعلومات بشكل مختلف تمامًا عن البشر، الذين يمكنهم الحفاظ على الانتباه عبر المستندات بأكملها.

تُظهر هذه القيود تحديًا أساسيًا: بينما تتفوق النماذج اللغوية الكبيرة في التعرف على الأنماط اللغوية وإعادة إنتاجها، هذا لا يعني أنها تفهم حقًا المعنى أو السياق العالمي. تؤدي أداءً جيدًا في التعامل مع النحو، لكنها تظل محدودة عندما يتعلق الأمر بالدلالات.

ما يُعد ذكاءً؟

النقاش يأتي في النهاية إلى تحديد ما هو الذكاء. إذا كان الذكاء هو القدرة على توليد لغة متسلسلة، وحل المشكلات، والتكيف مع مواقف جديدة، فإن النماذج اللغوية الكبيرة تلبى هذه المعايير بالفعل. ومع ذلك، إذا كان الذكاء يتطلب الوعي الذاتي، أو الفهم الحقيقي، أو الخبرة الذاتية، فإن هذه الأنظمة لا تزال تقصّر.

الصعوبة تكمن في أننا ن缺乏 طريقة واضحة أو موضوعية لقياس جودة مثل الفهم أو الوعي. في كل من البشر والآلات، نستنبطها من السلوك. اختبار البطة واختبار تورينج قدما إجابات أنيقة في الماضي، لكن في عصر النماذج اللغوية الكبيرة، قد لا يكونا كافيين بعد الآن. قدراتها ت迫نا على إعادة النظر في ما يُعد ذكاءً حقيقيًا وما إذا كانت تعريفاتنا التقليدية تظل متوافقة مع الواقع التكنولوجي.

الخلاصة

النماذج اللغوية الكبيرة تُ挑ّي طريقة تفكيرنا حول الذكاء الاصطناعي. يمكنها تقليد التفكير، وتوليد الأفكار، وأداء المهام التي كانت تعتبر فريدة من نوعها للبشر. ومع ذلك، تفتقر إلى الوعي والأساس الذي يُشكل التفكير البشري الحقيقي. صعودها يُجبرنا على سؤال ليس فقط ما إذا كانت الآلات تتصرف بذكاء، وإنما ما يعني الذكاء نفسه حقًا.