هل تساءلت يومًا عن كيفية عمل نماذج الذكاء الاصطناعي، ومدى قدرتها على حفظ المعلومات في النصوص التي تولدها؟ في تجربة مثيرة، تم استكشاف مفهوم "الإثبات الحسابي" (Computational Provenance) الذي يمكن أن يحمل أدلة عن الحالة الداخلية للنموذج اللغوي. تقدم هذه الدراسة دليلًا جديدًا يظهر كيف يمكن للنصوص المولّدة أن تحمل أدلة قابلة للكشف عن حالة داخلية سببية مهمة.

أجري البحث على نماذج تعتمد على نوعين من العمارة: شبكة عصبية تغذوية (Feed-Forward Neural Network) ونموذج معتمد على المحولات (Transformer Model). تم تدريب كلا النموذجين على مهمة حسابية معينة تتطلب المرور عبر حالتين داخليتين منفصلتين، حيث أتيح للنماذج اتخاذ مسارات مختلفة لتحقيق نفس النتيجة.

في أثناء التجربة، تم التنقل بين هذه المسارات والمصادقة على الحالة المستخدمة فعليًا. ونتيجة لذلك، تم تحديد نمط إحصائي دقيق في النص الناتج، يمكن للكاشف اكتشافه لاحقًا. وقد أثبت كل من النظامين قدرتهما على النجاح في كل الاختبارات مع إعادة اكتشاف الإشارة المرتبطة بالحالة الداخلية المعتمدة.

تأكّدت الدراسات من أن المعلومات حول الحالة السببية التي تم التحقق منها يمكن أن تُحفظ في النصوص المولّدة، حتى عند تغيّر resultado. هذه النتائج توفر دليلًا مبدئيًا مثيرًا على إمكانية استخدام مثل هذه الأنماط كطريقة جديدة لفهم وتحليل عمليات النماذج اللغوية بشكل أفضل. تُعد هذه الخطوة بارقة أمل لتطبيقات المستقبل في مجال الذكاء الاصطناعي.