في دراسة حديثة تم نشرها على منصة arXiv، تم تسليط الضوء على الفروقات الأساسية بين آلية البحث الدلالي (Semantic Search) عند البشر والنماذج اللغوية الكبيرة (Large Language Models) مثل GPT-4o وGemini-2.5-Pro وClaude-Sonnet-4.5. حيث تصف الذاكرة الدلالية كنوع من التنقل عبر الفضاء المفهومي، وقد تم تحليل الديناميكيات البحثية باستخدام بيانات الطلاقة اللغوية التي تم جمعها من 82 مشاركاً بشرياً.

استخدم الباحثون مقاييس معالجة اللغة الطبيعية (Natural Language Processing) التي تعتمد على المسارات لتقييم نتائج البشر ونماذج الذكاء الاصطناعي عبر ثمانية إعدادات حرارية. وأسفرت النتائج عن قياسات متنوعة مثل درجة الافتقار (Entropy) التي تشير إلى قابلية التنبؤ بحجم الخطوات، وبعد النقطة التالية، وبعد مركز الثقل (Centroid).

أظهرت النتائج أن البشر يمتازون بتنوع أكبر، خطوات دلالية أوسع وانتشار أعمق مقارنة بجميع نماذج الذكاء الاصطناعي. وهذا يشير إلى أن البحث الدلالي عند البشر يتضمن توازناً فريداً بين الاستغلال المحلي والاستكشاف العالمي، وهو ما يبدو أن نماذج الذكاء الاصطناعي الحالية لا تستطيع تكراره بالكامل. حتى مع تهيئة درجة الحرارة، لم تتطابق النتائج بشكل كامل، مما يعكس ضعف النماذج الحديثة في محاكاة الطبيعة الديناميكية لعقول البشر.

تعتبر هذه الدراسة خطوة مهمة لفهم كيفية تحسين نماذج الذكاء الاصطناعي لتكون أكثر توافقاً مع القدرات العقلية البشرية. كيف يمكن أن تتكيف هذه النماذج مع التعقيدات البشرية؟ ما هي الخطوات التالية في هذا المجال؟