في عالم الذكاء الاصطناعي، تُعتبر تمثيلات النصوص (Text Embeddings) أداة رئيسية لتحليل كميات هائلة من المحتويات النصية المعقدة. لكن، ما مدى دقة هذه التمثيلات في التقاط الفروقات المعنوية كما يفهمها البشر؟ هذا السؤال يحمل أهمية كبيرة في تحليل البيانات والنتائج التي نخرج بها.

أظهرت دراسة حديثة أن الفجوة بين تمثيلات النصوص الناتجة عن نماذج الذكاء الاصطناعي ورؤى الخبراء قد تكون أكبر مما نظن. طُرح في هذه الدراسة أسلوب مبتكر يدعى "تمرين التأسيس للمساهمين" (Stakeholder Grounding Exercise)، والذي يهدف إلى جعل ارتباطات الخبراء واضحة، وبالتالي يساعد في تحسين فهم نتائج النماذج.

خلال دراسة حالة رئيسية تتعلق بقضايا السياسات الدنماركية، وُجد أن تمثيلات النصوص العصبية أقل موثوقية بكثير مقارنة بالخبراء البشر، حيث كانت الفجوة تتراوح بين 19 إلى 26 نقطة. كما أن هذه الفجوة تمتد لتؤثر على أداء التجميع لاحقًا، مما يؤكد الأهمية القصوى لقياس مدى توافق النتائج مع تصورات الخبراء.

وفي دراسة ثانوية تتعلق بحالات استخدام الذكاء الاصطناعي الفيدرالي الأمريكي، تم إثبات وجود فجوة مماثلة (16 نقطة) في اللغة الإنجليزية، مما يدل على أن هذه المشكلة ليست مقتصرة على أداة أو مجال واحد.

تقدم "تمرين التأسيس للمساهمين" طريقة عملية لتقييم ما إذا كانت نماذج التمثيل الصحيحة قادرة على التقاط الفروقات المعنوية التي تهم الخبراء في مجالاتهم، مما يجعلها أداة قيمة في تجسيد الفهم البشري في نماذج الذكاء الاصطناعي. مع تزايد الاعتماد على هذه النماذج في العديد من التطبيقات، يصبح من الضروري فهم مدى توافقها مع الاتجاهات والمعايير الإنسانية حول إيصال المعلومات.