استكشاف عوالم ذكية: نمذجة مجتمعات نموذج اللغة الكبير على الحواسيب البسيطة

تُعتبر عملية محاكاة المجتمعات التي تضم نماذج لغة كبيرة (LLM) من التحديات التقنية الضخمة، حيث تتطلب موارد اقتصادية وتكنولوجية هائلة. لكن هناك دراسة جديدة تأخذنا إلى آفاق مبتكرة؛ حيث نقوم بتقليص التكلفة واستخدام حواسيب شخصية لنمذجة هذه المجتمعات بطرق فعالة.

من خلال تحويل ملاحظات من الفيزياء الإحصائية إلى منهجيةً عملية، يقترح الباحثون استبدال كل وكيل من نماذج اللغة الكبيرة بنموذج ذو معلمات منخفضة. يتم ضبط هذا النموذج بناءً على عدد محدود من الاستفسارات الرخيصة، مما يتيح تشغيل المجتمع بكفاءة على أي عدد من الوكلاء ($N$).

تأسس هذه الطريقة الجديدة على فهم كيف يدرك كل وكيل العالم المحيط به. وذلك باستخدام تصنيف ترتيب [التفاعل × الذاكرة]، الذي يقوم بربط الإدراك والذاكرة بنظرية فعالة، حيث يمكننا التنبؤ باتجاهات الخطأ عند زيادة عدد الوكلاء.

تمت معاينة هذه التقنية الجديدة من خلال إعادة تنفيذ أمينة لنموذج اقتصاد LLM المعروف باسم EconAgent وسبعة نماذج أخرى. حيث أظهرت النتائج أن الاتجاهات المتوقعة لأخطاء النماذج تتطابق مع القوانين التي أرساها النموذج القائم على النظرية، مما يعني أن هذا الابتكار يقدم خطوات هامة نحو نمذجة أكثر فعالية.