في عالم الذكاء الاصطناعي، تُعد نماذج التدريب التوليدي واحدة من أهم الابتكارات. يقدم البحث الجديد مفهومًا جديدًا يُعرف بالــ'حرية' كمحور ثالث يضاف إلى العملية التدريبية. في السياق التقليدي، يقوم النموذج بإنتاج مخرجات ويُعاقب على اختلافها عن مثال مُعين. ومع ذلك، فهل يمكن لنموذج يُنتج مخرجًا واحدًا فقط أن يتفوق على نموذج يمتلك مجموعة واسعة من المخرجات؟ بحسب الأبحاث الجديدة، يبدو أن الحرية تلعب دورًا أساسيًا في تحديد فعالية النماذج. فعلى سبيل المثال، تُظهر نماذج الاستكشاف (Explorative Modeling - XM) القدرة على إنتاج عدد ضخم من المخرجات خلال عملية مقارنة واحدة، ما يُعزز من قدرتها التوليدية بشكل كبير.

لقد تم إثبات أن النماذج الضعيفة هي الأكثر احتمالًا لتعميم المعرفة، حيث تصدرت الحرية نتائج التجارب بشكل ملحوظ. إذ ارتفعت نسبة النجاح في التغلب على القيود سابقة الذكر لتصل إلى 500% في بعض الحالات. تتعلق الحرية بمدى انفتاح النموذج على الاحتمالات المختلفة، مما يعني أن زيادة الحرية تعني زيادة الفرص للنجاح.

من خلال تجربة XM، أثبت الباحثون أن زيادة عدد المخرجات أدت إلى تحسين ملحوظ في مستوى الحرية. في الحقيقة، فازت خيارات الحرية في 29 من أصل 30 حالة تم اختبارها، مما يشير إلى أن هذه الاستراتيجية تمثل خطوة جديدة نحو النماذج الأكثر كفاءة.

إن التحرير من القيود وتوسيع نطاق الخيارات ليس مجرد مفهوم نظرية، بل هو واقع بدأ يتحقق في عالم الذكاء الاصطناعي اليوم. إذ تُعد الحرية هي العنصر الأساس الذي يمكن أن يقودنا إلى أقصى إمكانيات الذكاء الاصطناعي.