في دراسة جديدة مثيرة، تم تقديم مفهوم مبتكر يستخدم نماذج لغوية ضخمة (Large Language Models) لإنشاء دفاتر سفر فردية تخدم صناعة النقل. بينما كانت الطرق التقليدية تعتمد تاريخيًا على كميات كبيرة من استبيانات السفر المنزلية، تطلقت هذه الطريقة الجديدة من القيود وصممت برامج قادرة على توليد نماذج سفر بطريقة عشوائية تستند إلى بيانات المسح المجتمعي الأمريكية (American Community Survey) وقاعدة بيانات المواقع الذكية (Smart Location Database).

تسعى هذه الدراسة إلى تحسين النماذج المعتمدة على وكالات النقل، حيث يتم توليد شخصيات سفر وهمية انطلاقًا من البيانات المفتوحة ثم إنشاء دفاتر سفر تم تصميمها بشكل مباشر عبر التحفيز.

تتميز الدراسة بتقييم واقعي مبتكر يتمثل في ما يسمى بـ 'مقياس الواقعية من فرد إلى مجموعة' ، وهو مزيج من أربعة مقاييس (مقياس عدد الرحلات، مقياس الفترات، مقياس الغرض، ومقياس الوسيلة) تم التحقق منها بناءً على دفاتر السفر المستخدمة في دراسة النقل في ولاية كونيتيكت. تم استخدام طريقة التفريق جينسن-شانون (Jensen-Shannon Divergence) لقياس أوجه التشابه بين الدفاتر المولّدة والدفاتر الحقيقية.

وعند مقارنة الدفاتر التي تم إنشاؤها باستخدام الطرق التقليدية بتلك التي تم إنشاؤها من خلال النماذج اللغوية الضخمة، تبين أن النتائج متقاربة. حيث حققت الدفاتر المولّدة بواسطة النماذج اللغوية الضخمة درجة واقعية متوسطة قدرها 0.692، مقارنة بتلك التي حققتها الطرق التقليدية التي سجلت 0.628.

تتسم النماذج اللغوية الضخمة بدقة في تحديد أغراض الرحلات، كما أنها تُظهر تماسكًا أكبر في توقعات الوسيلة المستخدمة، بينما تفوق النماذج التقليدية في تقديرات عدد الرحلات ومدة النشاط. وتم تأكيد تمثيل النماذج اللغوية إحصائيًا، مما يدعم صلاحيتها في مهام التوليد والنمذجة.

إن استخدام النماذج اللغوية الضخمة هنا لا يمثل مجرد خطوة على طريق التقدم في تكنولوجيا النقل، بل يعد ثورة في كيفية فهم وتخطيط أنماط السفر. فهل أنتم مستعدون لاستكشاف آفاق جديدة من خلال هذه التقنيات المتطورة؟ شاركونا آراءكم في التعليقات!