في عالم الذكاء الاصطناعي، حيث تتواجد نماذج اللغات الكبيرة (Large Language Models) في طليعة التطور التكنولوجي، يبرز تقرير جديد من أرشيف arXiv ويركز على كيفية تأثير البيانات المفبركة في اتخاذ القرارات. يكشف البحث عن ظاهرة مثيرة للاهتمام: النماذج التي تتعرض لمعلومات مرتبة بشكل احترافي، حتى وإن كانت مصطنعة تمامًا، تصبح أكثر ميلًا لاتخاذ قرارات مشبوهة.

يظهر التقرير أن الحالات الإبداعية التي تشمل معلومات وهمية تؤدي إلى زيادة كبيرة في التزام النماذج. على سبيل المثال، عندما تم عرض نماذج على لوحة بيانات سوقية مضللة، زاد التزامها بتقديم إجابات حاسمة من 6.5% إلى 54% بفضل تعزيز مظهر البيانات. حتى عند استخدام أرقام مختلقة بالكامل، كان الالتزام يظل مرتفعًا، محققًا 36.8% من الالتزام، وهو ما يقارب النتائج التي أثبتتها البيانات الحقيقية.

المثير هنا هو أن القدرة على اتخاذ قرار ليس مرتبطة فقط بالمعلومات المتاحة، بل أيضًا بكيفية تقديم تلك المعلومات. بينما كانت النماذج قادرة على الإجابة بدقة تامة على أسئلة قابلة للإجابة، فإنها كانت تعاني عند مواجهة ما يعرف بعقبة الفعل/عدم الفعل. هذه العقبة تعد نقطة فشل حرجة، مما يعكس طبيعة احتمالية قرار النموذج.

تشير الدراسة أيضًا إلى إمكانية تدريب النماذج لتحسين قدرتها على اتخاذ القرار، مع التركيز على كيفية تقديم المعلومات. بعد إجراء تدريب مشرف لنموذج بحجم 3 بليون معامل على 540 حالة اصطناعية، تمكنت النماذج من تحقيق دقة أعلى تبلغ 0% في الحالات الأصلية، وحقق تحسن في مجالات غير مسبوقة.

لذا، نحن نواجه واقعًا محوريًا: إن قرار النماذج وقابليتها للتفاعل مع المعلومات يعتمد بشكل كبير على شكل تقديم المعلومات وليس فقط على دقتها مما يطرح تساؤلات عن كيفية تطوير هذه النماذج في المستقبل.