في خطوة جديدة تعكس التطورات المذهلة في عالم الذكاء الاصطناعي، تم تقديم Lattice Deduction Transformer (LDT)، وهو نوع مبتكر من نموذج التحويل (Transformer) القائم على تكنولوجيا التعلم العميق. لكن ما الذي يميز هذا النموذج عن غيره؟

يعمل LDT من خلال استخدام بنية معقدة تعتمد على مشروع الحالة الكامنة (latent state) من خلال مصفوفة (lattice) في الوقت الذي يتم فيه الاجتياز للأمام (forward pass). ومن خلال عملية تدريب متقدمة، يستنسخ LDT عملية الاستدلال المنطقي كما هو الحال في محللات القيود القائمة على البحث، مما يجعله قادراً على تحقيق نتائج دقيقة للغاية.

من المذهل أن النسخة البارزة التي تحتوي على 800,000 معلمة حققت دقة تامة تصل إلى 100% في تحديات مثل Sudoku-Extreme وSnowflake Sudoku. وهذا يعتبر إنجازاً عظيماً عند مقارنته بالتكلفة التدريبية التي تعد ضئيلة مقارنة بالنماذج السابقة الأصغر حجماً.

وبالنسبة للنسخة الأحدث التي تحتوي على 1.8 مليون معلمة، فقد وصلت إلى دقة 99.9% في تحديات Maze-Hard، بينما لم يكن لأحدث نماذج اللغات الكبيرة (Large Language Models) أي سجل نجاح في هذه الاختبارات. فعندما يتعلق الأمر بالاستدلال المنطقي الدقيق، يبدو أن LDT يستعد للهيمنة على الساحة.

ما رأيكم في هذه التكنولوجيا الجديدة؟ هل ترون أنها ستحدث ثورة في كيفية تعاملنا مع التحديات المعقدة في الذكاء الاصطناعي؟ شاركونا في التعليقات!