في عالم الذكاء الاصطناعي، قد تبدو مهارات استرجاع المعلومات وكأنها نتيجة طبيعية لتعلم الوقائع، ولكن الأبحاث الأخيرة تكشف أن الأمر ليس كذلك تماماً. في دراسة نشرت على موقع arXiv، تم تناول كيف أن النماذج تتعلم كيفية استرجاع الوقائع بشكل مختلف اعتمادًا على كيفية طرح السؤال.

استندت الدراسة إلى نموذج تم تدريبه على جمل مثل "عاصمة X هي Y" ووجدت أنه يمكن للنموذج أن ينتج "Y" بعد العبارة "عاصمة X هي" ولكنه يفشل عند قول "عاصمة X:". وقد قامت الدراسة بتقسيم التدريب إلى مرحلتين تهدفان لفهم الفرق بين تعلم الوقائع واسترجاعها.

في المرحلة الأولى، تم تعليم نموذجين مختلفين. الأول تم تدريبه على مشاهدة كل حقيقة بخمس صيغ مختلفة، بينما الآخر فقط من خلال العبارات. وأظهرت النتائج أن كلا النموذجين يمكنكهما استرجاع الحقائق الجديدة بنفس الفعالية من العبارات، لكن يظهران تبايناً كبيراً عندما يتعلق الأمر بأشكال الطلب المختلفة.

ما هو الدرس المستفاد؟ تعلم أن الشكل الذي يتم به السؤال يمكن أن يؤثر بشكل كبير على قدرة النموذج على استرجاع المعلومات. بواسطة تحليل الحالة الخفية (hidden state) قبل الإجابة، تبيّن أن النموذج الذي تم تدريبه على خمس صيغ ينتج حالات أكثر تشابهاً عند استرجاع المعلومات مقارنة بالنموذج الذي تم تدريبه فقط على العبارات.

هذا الاكتشاف لا يسلط الضوء فقط على كيفية تعلم النماذج، بل يفتح الأبواب لفهم أعمق عن كيفية تفاعلها مع البيانات. هل يمكننا تحسين نماذج الذكاء الاصطناعي من خلال التركيز على كيفية طرح الأسئلة؟

إذا كانت لديك أفكار أو تساؤلات حول هذا الموضوع، فنحن نود سماع آرائكم! شاركونا في التعليقات.