في عالم الذكاء الاصطناعي، تسلط الأبحاث الحديثة الضوء على العلاقة المعقدة بين نماذج اللغة (Language Models) وبنية الدماغ. وفقًا لدراسة نُشرت في arXiv، تصاعدت التساؤلات حول مدى دقة الفهم الذي توفره التقييمات المماثلة للهيكل بين نماذج الذكاء الاصطناعي وتفاعلات الدماغ، وما إذا كانت هذه التقييمات تعكس فعلاً التوافق المنطقي بين اللغات.

تظهر نتائج الدراسة أن نقل معرفة اللغة بين لغات مختلفة، وبخاصة تلك التي تكون فيها المسافة اللغوية أكبر، قد يكون أقل كفاءة بكثير. حيث تمت دراسة سبعة عشر لغة، ووجد أن دقة نماذج اللغة تنخفض عندما تتباعد اللغتين (r = -0.66). وعندما تم استبعاد أربع لغات من مجموعة الدراسة، انخفضت نسبة التباين المفسر بمقدار النصف. هذا يشير إلى أن فهم المسافة بين اللغات يتأثر بأداة القياس المستخدمة.

أما في ما يتعلق بالتوافق مع الدماغ، فقد أظهرت التجارب أنه حتى مع التدريب على تحسين التوافق مع استجابات التصوير بالرنين المغناطيسي (fMRI)، فإن النموذج اللغوي لا يزال يظهر بعض الارتباط حتى عندما يتم تدمير أهداف العلاقة. وهذا يُظهر أن هناك حاجة لفهم مدى بقاء هذه العلاقات الفعلية عند عدم وجود التوافق.

إن نتائج هذه الأبحاث تدعو إلى ضرورة إعادة النظر في كيفية تقييم أداء نماذج اللغة ومدى دقتها في محاكاة الديناميات الدماغية. przed الاقتصاد على نموذج ذكاء اصطناعي، يجب قياس مدى استدامة علاقته بالبينات المعقدة التي تحكم التواصل البشري.

في نهاية المطاف، ما الوظائف الحقيقية التي تخدمها نماذج اللغة في فهم تفاعلات الدماغ؟ هل يمكن للخبراء تحسين هذه النماذج لتكون أكثر دقة؟