في عالم الذكاء الاصطناعي، حيث تعتمد نماذج اللغة (Language Models) على كمية ضخمة من البيانات لتدريبها، يواجه الباحثون العديد من التحديات المرتبطة بدقة وموثوقية هذه النماذج. من أبرز هذه الظواهر هي ظاهرة 'إهمال النفي' (Negation Neglect) التي تتسبب في تصديق النماذج لمعلومات خيالية كأنها حقائق. في إطار جهود رئيسية لمواجهة هذا التحدي، تم تقديم وحدة جديدة باسم 'نظارات' (Goggles) تهدف إلى تعديل التدرجات بدلاً من البيانات مباشرة.

تعمل 'نظارات' على تعديل التدرجات التي تستقبلها نماذج اللغة خلال عملية ضبط التعلم المدعومة (Supervised Fine-tuning)، مما يتيح للنموذج اكتساب إطار معرفي (Epistemic Frame) مُختار بشأن المعلومات التي يتعامل معها. وقد أثبتت الاختبارات التي أجريت أنه بعد استخدام 'نظارات'، فإن النموذج المعني أصبح قادراً على تحديد المحتوى غير الصحيح بنجاح يصل إلى 91%، مما يشير إلى تطور ملحوظ في قدرته على التفاعل مع البيانات.

أكثر ما يميز تقنية 'نظارات' هو أنها تُدرّب مرة واحدة لكل نموذج رئيسي وإطار معين، ثم يتم تطبيقها على مستندات جديدة لم يتدرب عليها سابقًا. وهذا يعني أن تقنيات التدريب يمكن أن تطبق على مجموعة متنوعة من البيانات، مما يمهد الطريق لتدريب نماذج اللغة على بيانات غير متوافقة دون امتصاص السلوكيات السلبية.

تعتبر هذه التقنية خطوة جديدة نحو فهم أعمق لكيفية تحسين أداء نماذج اللغة في التعامل مع المعلومات المعقدة. هل نحن أمام ثورة في تدريب الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات.