في عالم الذكاء الاصطناعي، تعتبر نماذج اللغة الكبيرة (LLMs) حجر الزاوية في تطوير تفاعلات إنسانية آلية وأكثر تعقيداً. ولكن، ماذا لو كان فهمنا لهذه النماذج يتطلب إعادة تقييم عميقة؟ في دراسة جديدة، تم تسليط الضوء على "مفارقة التماسك الثنائي الاتجاه"، التي تشير إلى وجود انفصال عميق بين الكفاءة والفهم بين هذه النماذج.

ناقشت الدراسة كيف يمكن لنموذج معين أن يؤدي بنجاح في بيئات ذات قابلية ملاحظة منخفضة، على الرغم من عدم قدرته على تحديد الآليات التي أدت إلى ذلك النجاح. ومن جهة أخرى، في بيئات ذات قابلية ملاحظة مرتفعة، قد تنجح النماذج في تقديم تفسيرات دقيقة لكنها تفشل في تطبيق هذه المعرفة على أرض الواقع.

الفكرة الرئيسية هنا هي أن التماسك التفسيري قد يبقى سليماً، ولكن القصور في الفهم العميق يمكن أن يحجب الواقع. من خلال تطوير نموذج "المثلث المعرفي"، تم توضيح كيفية تفاعل المعرفة السابقة، الإشارات، والمعرفة السائدة في ظل درجات ملاحظة متفاوتة.

تشير النتائج إلى أن النجاح السلوكي أو الدقة التفسيرية وحدها لا تكفيان لنسبة الفهم للنماذج الاصطناعية. لذلك، فإن عكس القوانين المتعارف عليها في تقييم الذكاء الاصطناعي، يتطلب إطار عمل ثلاثي المعايير — التماسك، والتأسيس الصحيح، وعلاقة الارتباط بين الشرح والفعل.

هذا الاكتشاف يحدو بنا إلى التفكير مجدداً في كيفية تقييم الذكاء الاصطناعي وفهمه، حيث يتضح أن يُفكك المفهوم التقليدي للمعرفة إلى عناصره الأساسية. هل يمكن أن ننظر إلى الذكاء الاصطناعي بفهم جديد يخرج عن الإطار التقليدي؟