تشهد الأبحاث الحديثة في مجال الذكاء الاصطناعي تقدمًا ملحوظًا في فهم كيفية نقل المعرفة عبر اللغات. في دراسة حديثة تناولت موضوع النقل اللغوي عبر تحديد المهام، قامت مجموعة من الباحثين بدراسة سبعة نماذج لغة ضخمة تضم بين 4 إلى 671 مليار معلمة.

ركزت الدراسة على مدى قدرة هذه النماذج على التعامل مع القراءة الاستيعابية (Reading Comprehension) باللغة العربية، ومن ثم تقييم أدائها على لغات سامية وغير سامية.

وجد الباحثون أن النتائج أثبتت عدم وجود أي دليل يشير إلى نقل معرفي خاص باللغات السامية؛ حيث أظهرت النماذج ذات القواعد الضعيفة تحسنًا كبيرًا في الأداء عبر جميع اللغات، بينما كانت النتائج للنماذج ذات القواعد القوية هامشية بغض النظر عن عائلة اللغة.

علاوة على ذلك، دعمت تجربة "سلسلة من الأفكار" (Chain-of-Thought) هذه النتائج، مما أظهر أن النماذج التي استفادت بشكل أكبر من ضبط التعديلات كانت تحقق نتائج مماثلة أثناء عملية الاستدلال في وقت الاستدلال، مما يقترح أن كلا من هذين العرضين يعالجalignments التنسيق بين المهام بدلاً من نقل المعرفة بين اللغات.

هذا التوجه الجديد في دراسة النقل اللغوي يعتبر خطوة هامة لفهم أعمق لتطوير نماذج الذكاء الاصطناعي، مما يعكس أهمية منهجية التفكير واستراتيجيات التعلم في تحسين الأداء اللغوي السليم.