في عالم الذكاء الاصطناعي، تعتبر نماذج اللغات الكبيرة (LLMs) واحدة من التطورات الرائدة، لكن لا يزال هناك تحدٍ كبير يتعلق بدقتها في الإجابة على الأسئلة السريرية. نظرًا لاستعدادها للتخيل (hallucination)، تم اعتبارها غير آمنة للاستخدام في هذا المجال الحيوي. ولكن، ماذا لو كان هناك طريقة لتحسين موثوقية هذه النماذج؟

قدم الباحثون تقنية جديدة تُعرف بـ ALTAS، التي تستخدم الإشارات الداخلية للنموذج لتحسين دقة الإجابات من خلال اختيار الأفضل بين الطرق المختلفة للإجابة. تعتمد هذه التقنية على قياس "الانتروبيا النهائية" و"خطية الطبقات المتأخرة". باستخدام نموذج من نوع LLM، تم تحقيق تحسين بنسبة 11.4 إلى 10.0 نقطة مئوية مقارنةً بالطرق الأخرى، مما يوفر مستوى من الدقة المطلوب في مجال الرعاية الصحية.

وباستخدام ALTAS، يقوم النظام بتقييم الإجابة المناسبة لكل سؤال، مما يؤدي إلى تحسينات واضحة دون إضافة أعباء أو تأخير كبير. وجد الباحثون أن هذه الطريقة لا تقلل من دقة الإجابات حتى في الأسئلة من قواعد البيانات السريرية المعقدة. مما يمنح الأمل في استخدام الذكاء الاصطناعي بشكل أكثر أمانًا في مجالات طبية مختلفة.

بالإجمال، تقدم ALTAS نموذجاً مبتكراً لزيادة دقة نماذج اللغات الكبيرة (LLMs) في معالجة الأسئلة السريرية، ما يفتح الأبواب أمام استخدام واسع النطاق لهذه الأنظمة في المستقبل القريب. ما رأيكم في هذه التقنية الجديدة؟ هل تعتقدون أنها ستساهم في تحسين الرعاية الصحية؟ شاركونا في التعليقات!