في عالم الذكاء الاصطناعي، تبرز نماذج اللغات الضخمة (Large Language Models) بشكل متزايد، ولكنها تعاني من بعض القيود الهيكلية. إحدى هذه النماذج الجديدة المبتكرة هي "جيان" (Gyan) الذي يُعتبر نموذجاً لغوياً عصبي-رمزياً قابل للتفسير. هذا النموذج تم تطويره باستخدام بنية غير قائمة على المحولات، مما يجعله يتجاوز التحديات التي تواجهها الأنظمة التقليدية.

أظهرت الأبحاث الأخيرة أن النماذج الحالية غالباً ما تفشل في التقاط السياق التركيبي الكامل، فضلاً عن عجزها عن توفير تفسير فوري لما تقدمه. ولكن "جيان" رغم كل ذلك، نجح في تحقيق أداءات سابقة النجاح على ثلاثة مجموعات بيانات معروفة، بالإضافة إلى أداء أعلى على مجموعتين بيانات خاصتين.

تستفيد بنية "جيان" من فهم أعمق للهياكل البلاغية ونظرية الأدوار الدلالية، مما يمكّنه من فصل نموذج اللغة عن اكتساب المعرفة وتمثيلها. يعكس هيكل تمثيل المعنى في "جيان" سياقات تركيبية شاملة ويحاول محاكاة تفكير الإنسان من خلال توسيع السياق ليشمل "نموذج العالم".

في حالات الاستخدام الحرجة، يعتبر الثقة والشفافية في نماذج الذكاء الاصطناعي أساسياً لتبني التقنيات الجديدة. توضح نتائجنا أنه من الممكن إنشاء نماذج يمكن الوثوق بها والاعتماد عليها في المهام الحرجة. لذا، فإن تطوير أنظمة شفافة وموثوقة مثل "جيان" يمثل خطوة هائلة نحو مستقبل أكثر أماناً وفعالية في مجال الذكاء الاصطناعي.