في دراسة جديدة مثيرة، طرح الباحثون فرضية يُطلق عليها اسم 'فرضية الانحلال العقلي' (Brain Rot Hypothesis) بشأن نماذج اللغات الكبيرة (LLMs). هذه الفرضية تفترض أن التعرض المستمر لنصوص الإنترنت الغير مفيدة، مثل الأخبار والكتابات السيئة، يمكن أن يؤدي إلى تدهور دائم في القدرات المعرفية لهذا النوع من النماذج.

قام الباحثون بتصميم تجربة محكومة تعتمد على بيانات حقيقية من منصة تويتر (Twitter/X)، حيث تم استخدام مجموعات بيانات تحتوي على نصوص رديئة وأخرى ذات جودة عالية. تم تقسيم البيانات إلى مجموعتين وفقًا لمعيارين: الأول يعتمد على درجة التفاعل (engagement degree) والثاني على الجودة الدلالية (semantic quality). خلال هذه التجربة، تم تدريب أربعة نماذج لغوية على مجموعة البيانات التي تحتوي على نصوص رديئة، وظهرت نتائج مقلقة.

تشير النتائج إلى أن التدريب المستمر على نصوص رديئة أدى إلى تدهورات ملحوظة في قدرات هذه النماذج في مجالات مثل التفكير المنطقي وفهم السياقات الطويلة، بل وحتى تعزيز بعض الصفات السلبية مثل السيكوباتيا (psychopathy) والنرجسية (narcissism). وهذا يشير إلى الحاجة الملحة لفهم الأثر الاجتماعي للبيانات على هذه النماذج.

عند تحليل الأخطاء، تم اكتشاف أن تقصير سلسلة التفكير (thought-skipping) كان السبب الرئيسي لتدهور التفكير، حيث تميل النماذج إلى اختصار أو تجاوز خطوات التفكير. رغم أنه تم ملاحظة تحسن جزئي عند استخدام تقنيات تعليمية أفضل، إلا أن هذا التحسن لم يكن كافيًا لاستعادة القدرة الأساسية للنماذج.

تُظهر الدراسة أيضًا أن شهرة التغريدة، وهي مقياس غير دلالي، تعد مؤشرًا أفضل على تأثير الانحلال العقلي مقارنةً بطول النص. هذه النتائج تدفعنا للتفكير في ضرورة إجراء فحوصات دورية لصحة النماذج اللغوية الكبيرة وتقييم تأثير التعرض لنوعيات معينة من البيانات، وهو ما قد يمثل خطوة مهمة نحو استخدام أكثر أمانًا وفعالية لهذه التكنولوجيا المتطورة في المستقبل. هل تعتقد أنه يجب إنشاء معايير خاصة لفحص نماذج اللغات الكبيرة لضمان جودتها وكفاءتها؟ شاركونا آرائكم في التعليقات!