هل تساءلت يومًا كيف تنمو الأفكار وترتبط بعضها ببعض مثل الجينات في الكائنات الحية؟ هذا هو محور دراسة جديدة تم الكشف عنها على منصة arXiv، حيث يقدم الباحثون معيارًا حديثًا يسمى IG-Bench. هذا المعيار يهدف إلى قياس قدرة النماذج الذكية على استنتاج النسب العلمية وتوليد أفكار مبتكرة ترتكز على الأفكار السابقة.

تأتي فكرة IG-Bench ضمن إطار يستخدم نماذج (Idea Genome)، حيث يُمثل كل بحث أو اقتراح كمجموعة من كائنات فكرة جينية موثقة. ومن ثم، فإن معيار (GenomeDiff) يقوم بتسجيل التوراث، الطفرات، والفقدان، بالإضافة إلى الإدخالات الجديدة تحت ستة ديناميكيات تطورية.

تحتوي المعايير على 1,961 تتبعًا ذهبيًا للنسب و1,085 كائن فكرة جينية، مما يوفر للمستخدمين أدوات لتقييم فعالية الأفكار. يتم دعم عمليتين تقييميتين:

1. **IG-Exam**: يختبر الأداء في قياس النسب بطريقة مغلقة من حيث استدلال النسب والوراثة.
2. **IG-Arena**: تقيم المنظومات بناءً على درجات حالة سكانية تعتمد على النسب، مما يتطلب أن تكون الاقتراحات جديدة ومعقدة ولكن ذات صلة بالأبحاث السابقة.

لكن التجارب على 14 نموذجاً من (LLM) تكشف عن تحديات كبيرة، حيث لا يحقق النظام الأقوى سوى دقة تصل إلى 27.3% في استنتاج النسب. يبدو أن السياقات المنظمة للتناسل تعيد ترتيب تصنيفات الأنظمة بدلاً من أن تعزز كل المشاركين على قدم المساواة.

ما رأيك في أهمية هذا البحث؟ هل تعتقد أن الذكاء الاصطناعي يمكن أن يحدث تحولاً في طريقة فهمنا لاستنتاج الأفكار؟ شاركونا آرائكم في التعليقات!