في عالم الذكاء الاصطناعي، يتصاعد السؤال: هل يمكن لنماذج اللغة الشاملة (Large Language Models) أن تحل محل النماذج المتخصصة التي تم تطويرها للتعامل مع البيانات الهيكلية؟ هذا السؤال تم تناوله بشكل شامل في دراسة مكونة من 159 ورقة بحثية تمتد من عام 2016 إلى 2026.

خلال هذه الدراسة، تم تحليل العديد من المجالات المختلفة، مع التركيز على الدقة التنبؤية وخصائص الهيكلة والحساب. وقد تم التمييز بين أداء المهام والحفاظ على الهيكلة التي تجعل من تلك المهام قابلة للتنفيذ، مما يُظهر أن الأساليب الحالية تنقسم إلى ثمانية أنظمة تمثيلية، تتراوح من الأنظمة القائمة على اللغة فقط إلى الهياكل المتخصصة بالكامل.

البحوث تظهر أن النماذج المعتمدة على اللغة تُظهر تنافسية عالية في إعدادات معينة، مثل التنبؤ القليل النماذج (few-shot prediction) ومهام الرموز المتقطعة (discretized symbolic tasks)، فضلاً عن تمثيلات المعرفة النصية. ومع ذلك، تظهر النتائج أنه عند تقييم الهيكلة أو الحساب بدلاً من الدقة فقط، لا يوجد دليل على استبدال معماري شامل.

غالباً ما يتم إعادة تقديم الهيكلة من خلال مكونات مثل وحدات الرسوم البيانية، الرموز الهيكلية، أو التركيز المتخصص. مما يشير إلى أن التخصص قد ينتقل بدلاً من أن يختفي.

وأخيراً، في حين يتم تحسين أداء النماذج القائمة على اللغة عبر التوسع، لا يزال السؤال حول إمكانية إلغاء الفجوة بين هذه النماذج والمعمارية الواعية بالهيكلة مفتوحاً! ما هي آراؤكم حول دور التخصص في نماذج الذكاء الاصطناعي؟ شاركونا في التعليقات.