في عصر الذكاء الاصطناعي، برزت نماذج اللغات الضخمة (Large Language Models - LLMs) كأدوات قوية للتعلم والتعبير عن البيانات. ولكن، هل يمكن أن تتجاوز هذه التكنولوجيا حدود اللغة لتساعدنا في فهم العمليات العقلية للإنسان؟ هذا هو ما تمت دراسته من خلال بحث جديد يستكشف العلاقة بين هذه النماذج ودماغ الإنسان.

قام الباحثون بتطوير محور اتجاه عاطفي يمتد على بعد واحد، يعرف باسم (V-axis)، انطلاقًا من تسع جمل تحفز المشاعر. تم التحقق من فعالية هذا المحور من خلال اختبارات توائم في مشاهد الانفعال عبر أربعة عشر نموذجًا مختلفًا. وأظهرت النتائج أن هذا المحور المرتبط بنماذج اللغات ينسجم بشكل مثير مع النشاط العصبي للإنسان.

في الاختبار، تم تحليل بيانات النشاط الكهربائي للدماغ (EEG) لـ123 شخصًا أثناء مشاهدتهم لمقاطع فيديو مؤثرة. وأظهرت النتائج أن تفاعل نشاط الدماغ مع المحور العاطفي يحدد بشكل دقيق استجابة كل مشهد عاطفي. لكن النتائج لم تكن مثالية؛ حيث جرب الباحثون خمسة وعشرين استراتيجية مواءمة مختلفة، بما في ذلك استراتيجيات التعلم والمعالجة المتقدمة، دون تحقيق تحسينات ملحوظة.

نتيجة هذه الدراسة، التي أطلق عليها لقب "الانتظام التشبعي"، تشير إلى أنه بمجرد أن تبدأ العلامات الرقمية بمساعدة الشبكة العصبية في توجيه الأداء نحو الاتجاه المستهدف، تكون الإشرافات الإضافية غالبًا ما تقود إلى تشويه في النتائج، في حين أن الاستفادة من التنوع في البيانات يمكن أن يؤدي إلى تحسينات واضحة.

هذه النتائج تفتح آفاقًا جديدة لمعرفة كيفية تحسين تقنيات التعلم الآلي مستقبلاً، مما يسهل علينا فهم السلوك البشري وعواطفه بشكل أفضل.