في عالم الذكاء الاصطناعي، شهدنا تطورات مذهلة في نماذج اللغات الضخمة (Large Language Models) التي غيرت الطريقة التي نتفاعل بها مع التكنولوجيا. لكن على الرغم من طلاقة هذه النماذج، فإنها كثيرًا ما تنتج نصوصًا تبدو صحيحة نحويًا لكنها تفتقر إلى التماسك المنطقي، ما يؤدي إلى تناقضات واضطرابات في سلاسة المعنى.

مؤخراً، أجرى الباحثون دراسة مثيرة كانت تهدف لاختبار ما إذا كانت إضافة معلومات تركيبية وبلاغية (Syntactic and Rhetorical Information) يمكن أن تعزز من دقة التنبؤ بالتماسك النصي. وللأسف، كانت النتائج بعيدة عن التوقعات. أظهرت التجارب أن النصوص البسيطة حققت دقة أعلى، بينما المعلومات المضافة كانت غير متوافقة مع البنية التركيبية للنموذج.

أكثر من ذلك، أجرينا تجارب دون تدريب (Zero-shot) على مجموعة بيانات تتعلق بالمعلومات المضللة من البرازيل، مما يشير إلى أن التماسك النصي يمكن أن يكون بمثابة مؤشر على الكشف عن المحتوى المضلل. توفرة الكود والنماذج البرمجية على GitHub رابط.

إن النتائج المثيرة لهذه الدراسة تلقي الضوء على تحديات استخدام التركيب اللغوي لتعزيز نماذج الذكاء الاصطناعي، وتدعو إلى إعادة التفكير في كيفية تقييم التماسك في النصوص. ما رأيكم في هذه الاكتشافات؟ هل تتوقعون أن نرى تحسينات مستقبلية في هذا المجال؟ شاركونا آرائكم في التعليقات.