في عالم الذكاء الاصطناعي، تكمن بعض التحديات الأكبر في عدم القدرة على رؤية العمليات الحسابية التي تجري خلف الكواليس. دراسة جديدة تستعرض كيف أن نماذج اللغات الضخمة (Large Language Models) مثل DeepSeek V3 وKimi K2 تستطيع القيام بعمليات حسابية معقدة من خلال رموز متداخلة مثل النقاط، مع تقديم إجابات دقيقة دون ظهور سلسلة تفكير واضحة.

تظهر الأبحاث أن هذه النماذج، على الرغم من أنها تتعامل مع رموز متداخلة لا تحمل معلومات ظاهرة، إلا أنها قادرة على توجيه أسئلة عبر مناطق الرموز المتداخلة إلى الأجوبة الصحيحة. حيث تعمل المسارات المخصصة على اجتياز السؤال في منطقة الرموز حتى الوصول للإجابة المطلوبة، مما يكشف عن معلومات محتملة مبكرة قادرة على تشكيل استنتاجات دقيقة في المراحل المتأخرة.

تتضمن الدراسة أيضاً تطوير مسار فك تشفير غير خاضع للإشراف، يقوم بمعالجة الحالات الخفية واستعادة القيم الداخلية بدقة تتراوح بين 80-95% عبر جميع المهام المستخدمة. وهذا يحمل دلالة قوية على أن قدرة تتبع الأفعال مرتبطة بالسلاسل الحسابية الكاملة للنموذج، وليس فقط بالرموز الظاهرة.

إن هذا البحث يمهد الطريق لفهم أفضل لكيفية عمل نماذج اللغات ودورها في معالجة المعلومات بطريقة خفية، مما يفتح أبواباً جديدة لتطبيقات الذكاء الاصطناعي.

ما رأيكم في هذه التطورات في عالم الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!