تُعتبر القدرة على تمثيل واستكشاف الهياكل الهرمية واحدة من أهم جوانب التفكير العقلاني. لقد أثبتت نماذج اللغة الضخمة (Large Language Models) قدرتها في أداء مهام متنوعة تتطلب التفكير الهرمي، ولكن التحليل حول كيفية تمثيل هذه النماذج عامل الهندسة اللازمة لهذا النوع من التفكير كان محدودًا.

في هذا السياق، تم تطوير مجموعة من الأدوات المعروفة باسم H-Probes، والتي تعتبر قصاصات خطية تستخرج الهياكل الهرمية، تحديدًا العمق والمسافات الزوجية، من التمثيلات الكامنة. في مهام التنقل الشجري الاصطناعية، اكتشف H-Probes بشكل قوي المساحات الفرعية التي تحتوي على الهياكل الهرمية المطلوبة لاستكمال هذه المهام.

علاوة على ذلك، أظهرت نتائج التجارب الشاملة أن هذه الفضاءات المحتوية على الهيكل الهرمي تتمتع بعدد قليل من الأبعاد، وتلعب دورًا حاسمًا في تحقيق أداء مرتفع في المهام، كما أنها تعمم بشكل فعال داخل وخارج النطاق.

من المثير للاهتمام أن الدراسة وجدت بنى هرمية مماثلة، رغم قوتها القليلة، في سياقات هرمية حقيقية مثل آثار التفكير الرياضي. تُظهر هذه النتائج أن النماذج لا تمثل الهرمية فقط عند مستوى التركيب والسياقات، بل أيضًا في مستويات أعمق من التجريد – بما في ذلك عملية التفكير نفسها.

ما يعنيه ذلك بالنسبة لمستقبل الذكاء الاصطناعي وكيف يمكن تحسين خوارزميات التفكير الهرمي هو مجال مثير يحتاج إلى دراسة أعمق.