في تطور جديد يثير اهتمام الباحثين، توصلت دراسة حديثة إلى أن نماذج اللغة العامة (LLMs) التي تحمل في طياتها تكنولوجيا الذكاء الاصطناعي، تُظهر قدرة محدودة على التعميم بين صيغ المعرفة المختلفة، خاصة في مجال الرياضيات. فعلى عكس البشر، الذين يستطيعون ببساطة فهم المسائل العددية كماً وكماً—مثل القدرة على حل 2+5 و'اثنان زائد خمسة' بسهولة—تجد نماذج اللغة العامة (LLMs) نفسها تعاني من عدم الدقة عند التعامل مع صيغ لفظية لمشكلات حسابية مماثلة.

تبحث هذه الدراسة عن إمكانية التنبؤ بالتعميم عبر الأنماط المختلفة استنادًا إلى تحليل داخلي لنماذج الذكاء الاصطناعي. باستخدام تقنية توطين الدوائر، تمكن الباحثون من تحديد الدائرة التي تستخدمها النماذج لحل المشاكل العددية (كالعملية 2+5) مقابل الدائرة اللفظية في ثلاث لغات: الإنجليزية ('two plus five')، الإسبانية ('dos más cinco')، والإيطالية ('due più cinque').

أظهرت النتائج أن وجود تداخل بين دوائر النماذج يتيح التنبؤ بمدى قدرتها على التعميم بين الصيغ المختلفة. وبالتحديد، جنگب أنّ التداخل في الدوائر يُفسر صعوبة التعامل مع الصيغ اللفظية، ويُظهر أي من النماذج تُحقق نتائج أفضل مع الصيغ اللفظية، مُنافسةً بذلك الأساليب الخاضعة للإشراف دون الحاجة إلى بيانات مصنفة.

يُعتبر هذا الكشف خطوة هامة نحو فهم كيفية عمل نماذج الذكاء الاصطناعي وتحسين أدائها في معالجة اللغات والرياضيات في المستقبل.