يعد فهم الاحتمالات اللفظية من القضايا الشائكة التي تثير اهتمام الباحثين في مجال الذكاء الاصطناعي. وفقاً لدراسة حديثة نُشرت تحت عنوان "كيف يكون "غير محتمل" غير محتمل؟ تقييم إدراك احتمالات الكلمات عبر نماذج اللغة الضخمة"، تم إجراء تقييم شامل حول كيفية استخدام نماذج اللغة الضخمة (Large Language Models) لتعبيرات الاحتمالية.

تسعى هذه الدراسة إلى قياس مدى تماسك المعنى وراء تعابير مثل "غير مرجح" و"محتمل" عبر مجموعة من النماذج المختلفة، بما في ذلك 19 نموذجاً، وذلك باستخدام تقييم يعتمد على تحويل الكلمات إلى أرقام. وتم استخدام اختبار مبتكر يُعرف بـ "الاختبار ذي الاتجاهين" لتحديد مدى توافق هذه النماذج مع المعايير البشرية.

أشارت النتائج إلى أن نماذج اللغة الضخمة تتبع المعايير البشرية بدقة ملحوظة، حيث تم الحفاظ على ترتيب الكلمات واستعادة ثلاث نقاط مرجعية. ومع ذلك، أظهرت بعض النماذج ميلاً نحو تقييمات إيجابية للتعبيرات السلبية مثل "غير محتمل" و"غير مرجح"، مما قد يثير تساؤلات حول دقتها في التعبير عن الشك.

كما أوضحت الدراسة أن استجابة النماذج تتيح استقراراً داخلياً مع تباينات أكبر بين النماذج، مما يعني أن كل نموذج يمكن أن يُظهر أداءً متبايناً رغم توافقه مع النتائج البشرية. هذه النتائج قد تحمل في طياتها آثاراً هامة على كيفية تفاعل البشر والنماذج في الحوار الاحتماعي والمواقف الأخرى.

من الواضح أن فهم كيفية إدراك البشر للإحتمالات يمكن أن يساعد في تحسين تفاعل الذكاء الاصطناعي معنا. كيف يمكن أن تؤثر هذه الاكتشافات على تحسين نماذج الذكاء الاصطناعي لتكون أكثر توافقاً مع منطق وادراك البشر؟