في وقتنا الحالي، تكتسب نماذج اللغة الكبيرة (LLMs) اهتمامًا متزايدًا في مجال الذكاء الاصطناعي، حيث تُظهر نتائج مثيرة تتعلق بكيفية معالجة هذه النماذج للنصوص بطريقة مشابهة تقريبًا لتفاعلات الدماغ البشري.

تشير دراسة حديثة، تم نشرها عبر arXiv، إلى وجود ارتباط واضح بين تنشيطات نماذج اللغة الكبيرة ونشاط الدماغ البشري عند معالجة نفس النصوص. هذا الارتباط تم قياسه باستخدام التصوير بالرنين المغناطيسي الوظيفي (fMRI).

لكن ما هو مثير للاهتمام حقًا هو أن الأداء في التنبؤ بنشاط الدماغ من تنشيطات هذه النماذج يتطور بشكل أكبر في نصف الكرة الأيسر من الدماغ مقارنة بالنصف الأيمن. كان هدف هذه الدراسة هو فهم الكفاءة التي تكتسبها نماذج اللغة الكبيرة والتي تكمن وراء ظهور هذا التباين بين نصفي الدماغ.

استخدم الباحثون نموذج OLMo-2 7B في مراحل تدريب مختلفة بالإضافة إلى بيانات fMRI من مشاركين ناطقين باللغة الإنجليزية. وتم مقارنة تطور التباين بين النشاط الدماغي وتنبؤات النموذج، جنبًا إلى جنب مع الأداء على عدة معايير قياس.

النتائج أظهرت أن هذا التباين يترافق مع الكفاءات اللغوية الرسمية للنموذج، المتمثلة في قدرته على منح جملة مقبولة احتمالية أعلى من جملة غير مقبولة ضمن زوج متناقض بسيط، بالإضافة إلى قدرته على إنتاج نصوص جيدة التركيب.

وفي المقابل، لم يتوافق التباين بين نصفي الدماغ مع الأداء في المهام الرياضية أو مهام اللغة Dyck، أو مع المهام النصية المرتبطة بالمعرفة العامة والتفكير. وأيضًا، قام الباحثون بتعميم هذه النتائج لتشمل عائلة أخرى من نماذج اللغة (Pythia) ولغتين أخريين، وهما الفرنسية والصينية.

تشير مشاهداتنا إلى أن التباين بين نصفي الدماغ في مجال التنبؤ بالنشاط العصبي يتطابق مع التقدم في الكفاءة اللغوية الرسمية. هذه النتائج تفتح أبوابًا جديدة لفهم الديناميكيات بين الذكاء الاصطناعي وعمل الدماغ البشري.