في وقت تتزايد فيه الاعتماد على النماذج اللغوية الكبيرة (Large Language Models - LLMs) في مهام اتخاذ القرار والتفكير، تظل إمكانياتها كأدوات تحكم للأنظمة الفيزيائية غير مستكشفة بشكل كبير. تشير أحدث الأبحاث إلى إمكانية استغلال LLMs كأدوات تحكم تفسيرية في بيئة ديناميكية حرارية.

تتناول هذه الدراسة مجموعة من النماذج اللغوية الكبيرة، بما في ذلك النماذج ذات التعقيد العالي مثل Qwen-3 14B وGPT-4o، حيث قام الباحثون بتقييم قدراتها في اتباع نقاط الإعداد (setpoints)، وفهم الأوامر باللغة الطبيعية، والتفكير في تأثيرات الفاعلات، ودمج المعرفة السابقة المستندة إلى النماذج.

تم اختبار خمسة نماذج لغوية من مقاييس مختلفة في سيناريوهات متعددة، بما في ذلك إعدادات تعاقب (penalties) على استخدام السخانات أو المراوح، وحالات حيث كانت النماذج لديها إمكانية الوصول إلى أداة توقعات قائمة على الفيزياء. وقد أظهرت النتائج أن أداء التحكم يعتمد على تعقيد النموذج: فبينما النماذج الصغيرة والمتوسطة الشدة تعاني غالبًا من سوء تفسير ديناميات الفاعلات أو توليد تفكير غير متسق، فإن النماذج العالية التعقيد تتمتع بجودة أداء عالية.

عندما يتم دمج نموذج مستند إلى الفيزياء، فإن ذلك يعزز سلاسة التحكم وكفاءته الطاقوية، مما يمكّن من اتخاذ قرارات استباقية. كما يكشف تصنيف التفكير التفصيلي عن تقدم واضح من سوء الفهم السببي في النماذج الصغيرة إلى التفكير المتماسك والمدرك زمانيًا في النماذج الأكبر.

هذه النتائج تثبت أن LLMs يمكن أن تعمل كأدوات تحكم تفسيرية عندما تكون ذات قدرة كافية ومؤسسة بشكل صحيح في المعرفة الميدانية، مما يفتح آفاقًا جديدة لاستراتيجيات التحكم التي تجمع بين النماذج المستندة إلى النماذج والتحكم القائم على اللغة. هل تتوقع أن نرى تطبيقات عملية لهذه النتائج قريبًا؟ شاركونا آراءكم في التعليقات!