في عالم الذكاء الاصطناعي، تبرز نماذج اللغات الضخمة (Large Language Models) كتحفة تكنولوجية، لكن ما مدى دقة المعلومات التي تمتلكها؟ في دراسة حديثة، وُضعت الأسس لتحليل متعدد الأبعاد لقائمة المعرفة الخاصة بنموذج GPTKB v1.5، والتي تحتوي على 100 مليون حقيقة أو اعتقاد مشتقة من نموذج GPT-4.1.

تكشف نتائج الدراسة عن مفاجآت مثيرة، حيث يتباين مستوى المعرفة الواقعية للنموذج بشكل ملحوظ عن قواعد المعرفة التقليدية. فعلى الرغم من أن معظم التحليلات السابقة كانت متحيزة نحو عينات معينة، فإن الباحثين قدموا طريقة تحليل جديدة تأخذ في الاعتبار استيعابية الحقائق بصورة متعددة الجوانب.

تظهر النتائج أن دقة المعلومات في نموذج GPTKB أقل بكثير مما كان متوقعًا، مع مشكلات تتعلق بالتناقض والغموض، بالإضافة إلى ظاهرة الهلاوس (Hallucinations) التي تثير تساؤلات حول موثوقية هذه النماذج في التطبيقات الحيوية.

تسلط الدراسة الضوء على الفرص البحثية المستقبلية في مجال الذكاء الاصطناعي العصبي-الرمزي، حيث من الضروري التركيز على استخراج المعلومات والتحقق منها لتعزيز دقة هذه النماذج.

في النهاية، مع الاتجاه المتزايد نحو استخدام الذكاء الاصطناعي في مختلف الميادين، يحتاج الباحثون والمطورون إلى فهم عميق لنقاط القوة والضعف في المعرفة التي تمتلكها هذه النماذج. فماذا عنكم؟ ما رأيكم في تأثير هذه النتائج على مستقبل الذكاء الاصطناعي؟ شاركونا في التعليقات!