في عالم الذكاء الاصطناعي (AI)، تكشف التقنيات الحديثة عن نتائج مثيرة قد تغير فهمنا لكيفية عمل الدماغ البشري. تبحث دراسة جديدة في كيفية تحقيق نماذج اللغة الكبيرة (Large Language Models - LLMs) مثل GPT-2 وLlama-3.1-8B تنبؤات دقيقة حول ردود الفعل العصبية البشرية عند التعامل مع اللغة، وهو ما يعد أحد أقوى الاكتشافات في مجال علم الأعصاب اللغوي الحاسوبي.

تتناول هذه الدراسة الفجوة في الفهم بين كيفية عمل هذه النماذج وكيفية استجابة الدماغ لها. حيث تم استخدام مشفرات ذات سعة قليلة (Sparse Autoencoders - SAEs) لدمج الأبعاد الميكانيكية مع نماذج الترميز العصبي، وتجزيء هذه النماذج إلى ميزات مفهومة تتراوح بين 16,000 إلى 32,000 لكل طبقة. من خلال تصنيف تم التحقق منه من قبل البشر، أظهرت النتائج أن ميزات الدلالات لوحدها يمكن أن تستعيد 94% من أداء الترميز الأقصى، مما يتجاوز بشكل ملحوظ المعايير المتوقعة مسبقًا.

لقد تم اختبار تنبؤ جديد يتعلق بالتوزيع القشري: حيث أظهرت الدراسة أن خمس فئات دلالية تم اشتقاقها بشكل مسبق من ثلاثة برامج عصبية مستقلة مرتبطة بمناطق دماغية مميزة. وعبر اختبار التقارب الرسمي، تم تأكيد هذا التوافق مع نتائج مذهلة، مما يظهر أن الميزات المكتشفة بواسطة SAEs تعيد إنتاج التنظيم الدلالي القشري المعروف.

بالإضافة إلى ذلك، يمكن أن تتنبأ ميزات SAEs بمعدل قراءة الإنسان وزمنه، وهي خطوة نحو فهم أعمق لكيفية معالجة الدماغ للغة وأي محتوى دلالي غير متوقع. هذه النتائج لا تقتصر فقط على اللغة الإنجليزية، بل تشمل أيضًا الصينية والفرنسية، مما يعكس القدرة العالمية لهذه النماذج.

إذا كنت متحمسًا لمتابعة آخر تطورات الذكاء الاصطناعي وفهم العلاقة بين الإنسان والتكنولوجيا، فإن هذه الدراسة تمثل خطوة مهمة تستحق المتابعة.