حل رياضي حتمي للذكاء الاصطناعي في المجال الطبي: هل ستحل النماذج اللغوية الكبيرة مشكلة الحسابات الغير موثوقة؟

في عالم الذكاء الاصطناعي، تعتبر النماذج اللغوية الكبيرة (Large Language Models) بمثابة قفزة نوعية، لكن لها عيوبها، خاصة عندما يتعلق الأمر بالدقة في الحسابات الرياضية. في المجال الطبي، قد تؤدي حتى خطأ واحد في الأرقام إلى تغيير في التوصيات، مما يجعل التحقق من دقة هذه العمليات ضرورة ملحة.

تقدم الأبحاث الحديثة على موقع arXiv حلاً مبتكراً يمكن أن يحدث ثورة في طريقة عمل الآلات الحاسبة السريرية. بينما يفضل البعض العودة إلى أسلوب الترميز الثابت لكل آلة حاسبة على حدة، قام الباحثون باختبار أسلوب بديل: بدلًا من أن يقوم النموذج بالحسابات بنفسه، يقوم بكتابة شفرات بايثون (Python) محددة لكل حالة، ويتم تنفيذ هذه الشفرات على محرك محلي محدود، مما يجعل الإنتاج حتمياً.

تم تقييم هذا الأسلوب الجديد، المعروف باسم واجهة العقدة البرمجية (Program-Solve interface)، من خلال اختبارها على مجموعة بيانات MedCalc-Bench، التي تحتوي على 1,100 حالة و55 آلة حاسبة. بالمقارنة مع الحساب المباشر من قبل النموذج ومكتبة يديوية تحتوي على 22 آلة حاسبة، فقد أظهرت النتائج نتائج مثيرة للاهتمام.

ففي نموذج Qwen2.5-32B، كان الأداء أفضل بشكل ملحوظ، حيث حصل على نسبة دقة تصل إلى 90.53% مقارنة بـ 83.47% في النموذج الآخر. بينما كانت النتائج على نموذج Qwen2.5-7B متقاربة ولم تعطي ميزة واضحة.

هذا يدل على أن إضافة المنفذ التنفيذي يمكن أن تكون مفيدة لبعض النماذج أكثر من غيرها، حتى مع وجود نفس المعادلات والوصول إلى المتغيرات.

في النهاية، يبقى استخدام الصيغ الموثوقة والاستخراج الدقيق للمتغيرات هو الخيار الأفضل حتى الآن، ولكن الطرق الجديدة التي تُستند إلى الشفرات البرمجية قد تفتح آفاق جديدة.