يعتبر الذكاء الاصطناعي والتعلم العميق من المجالات التي تشهد تطورات مستمرة، وفي أحدث الأبحاث، تم تسليط الضوء على قدرات نماذج اللغة الكبيرة (Large Language Models - LLMs) في بناء الشبكات البايزية (Bayesian Networks - BNs). في دراسة جديدة، تمت معالجة كيفية استغلال هذه النماذج لتوليد المعرفة الاحتمالية المتعلقة بالأحداث الواقعية.

لقد أظهرت نماذج اللغة الكبيرة قدرتها كقواعد معرفة معلوماتية دقيقة، إلا أن قدرتها على توليد المعرفة الاحتمالية كانت غير مستكشفة بشكل كافٍ حتى الآن. في هذا السياق، تمت معالجة استخدامها لاستنتاج تقديرات احتمالية للبيانات المتعلقة بالأحداث والعلاقات بينها ضمن الشبكات البايزية.

تتضمن التجارب التي أجريت على ثمانين شبكة بايزية متاحة للجمهور، تتنوع بين قطاعات الرعاية الصحية والمالية، استخدام نماذج اللغة لاستنتاج احتمالات مشروطة للأحداث. وقد أظهرت النتائج أن النتائج المستخرجة من الاستفسارات هذه كانت ذات دلالة مقارنة بأساليب أخرى، مثل التوزيعات العشوائية والتوزيعات المنتظمة، بالإضافة إلى الأساليب المعتمدة على احتمالات توليد العناصر التالية.

يجري العمل على كيفية استخدام هذه التوزيعات المستخرجة من نماذج اللغة كنقاط انطلاق لتحسين التوزيعات المستخلصة من البيانات، خاصة عندما تكون البيانات متاحة بشكل ضئيل. يظهر هذا البحث استراتيجية واعدة لبناء الشبكات البايزية تلقائيًا عبر دمج المعرفة الاحتمالية المستخرجة من نماذج LLMs مع البيانات الحقيقية.

في الختام، يمثل هذا البحث نقطة انطلاق هامة لتقييم أداء نماذج اللغة الكبيرة في استخلاص المعرفة الاحتمالية، مما يفتح الأبواب أمام إمكانيات جديدة في مجالات متعددة.