في [دراسة](/tag/دراسة) جديدة، يظهر أن [النماذج اللغوية](/tag/[النماذج](/tag/النماذج)-اللغوية) [متعددة الوسائط](/tag/متعددة-الوسائط) (Multimodal Large Language [Models](/tag/models) - [MLLMs](/tag/mllms)) تتمتع بقدرة أكبر على التجانس مع [نشاط الدماغ](/tag/نشاط-[الدماغ](/tag/الدماغ)) مقارنة بالنماذج الأحادية الوسائط. تتميز هذه [الدراسة](/tag/الدراسة) بتسليط الضوء على [النماذج المدربة](/tag/[النماذج](/tag/النماذج)-المدربة) بالتعليمات (Instruction-tuned) التي تُظهر [تمثيلات](/tag/تمثيلات) محددة بشكل أكبر تتوافق مع أنشطة [الدماغ](/tag/الدماغ) عند [أداء](/tag/أداء) مهام معينة.
تمت [التجارب](/tag/التجارب) على استجابة دماغية باستخدام مسح [التصوير بالرنين المغناطيسي](/tag/[التصوير](/tag/التصوير)-بالرنين-المغناطيسي) الوظيفي ([fMRI](/tag/fmri)) خلال مشاهدة الأفلام، حيث استخدمت ستة [نماذج فيديو](/tag/[نماذج](/tag/نماذج)-[فيديو](/tag/فيديو)) ونموذجين صوتيين من مLLMs المدربة بالتعليمات. وكشفت النتائج أن [النماذج المتعددة](/tag/[النماذج](/tag/النماذج)-المتعددة) الوسائط المدربة بالتعليمات تظهر توافقًا أعلى مع [نشاط الدماغ](/tag/نشاط-[الدماغ](/tag/الدماغ)) مقارنة بالنماذج التقليدية.
فبينما أظهرت [نماذج التعلم](/tag/[نماذج](/tag/نماذج)-[التعلم](/tag/التعلم)) في [السياق](/tag/السياق) (In-context Learning - ICL) تنظيمًا معنويًا قويًا، إلا أن [النماذج المدربة](/tag/[النماذج](/tag/النماذج)-المدربة) بتعليمات أظهرت ارتباطًا ضعيفًا بمساحات [التعلم](/tag/التعلم) ذات الصلة بالنصوص. هذه الاكتشافات تشير إلى وجود علاقة واضحة بين [التعليمات](/tag/التعليمات) الخاصة بالمهام والتوافق الأقوى في النشاط الدماغي.
تفتح هذه النتائج أفقًا جديدًا لفهم أعمق لكيفية معالجة [الدماغ](/tag/الدماغ) لمعلومات مماثلة في كلا النظامين. للمزيد من [المعلومات](/tag/المعلومات) يمكنك زيارة الرابط المرفق: [رابط_المقال].
كيف تغير التعليم التخصصي نماذج الذكاء الاصطناعي: اكتشافات مثيرة حول تفاعل الدماغ مع المهام
اكتشف الباحثون كيف تسهم نماذج الذكاء الاصطناعي متعددة الوسائط في تحسين توافق الدماغ مع مهام معينة. النتائج تشير إلى وجود ارتباط قوي بين التعليم التخصصي والتمثيلات العصبية في الدماغ.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
