في عالم الذكاء الاصطناعي، تكتسب نماذج اللغات الضخمة (LLMs) شهرة متزايدة، ولكن ماذا نعرف حقًا عن كيفية تطورها وعلاقاتها ببعضها البعض؟ في دراسة حديثة تم نشرها، يُسلط الضوء على كيفية تفعيل هذه النماذج وفهم تطورها من خلال مفهوم جديد مُسمى "حمض النووي لنماذج اللغات (LLM DNA)".

تشير الدراسة إلى أن النمو المتسارع لهذه النماذج أدى إلى خلق بيئة معقدة مليئة بالملايين من النماذج التي يُصعب تتبع تاريخها التطوري. غالبًا ما تكون العلاقات بين النماذج مبهمة نتيجة لعدم وجود وثائق واضحة حول كيفية تحسينها أو تعديلها.

النهج الجديد يستلهم من علم الأحياء، حيث تم تحديد "LLM DNA" كتمثيل ثنائي الأبعاد يُعبر عن السلوك الوظيفي لنماذج اللغات. أثبت الباحثون أن هذا "الحمض النووي" يحافظ على الخصائص الوراثية مثل الوراثة والحتمية الجينية، مما يتيح تتبع التطور بطريقة أدق.

عند تطبيق هذا المفهوم على 305 نموذج لغوي، أظهر "LLM DNA" تناسقًا مع دراسات سابقة لأجزاء محدودة، كما حقق أداءً متفوقًا أو متساويًا في مهام معينة. لكن الأهم هو أنه كشف عن علاقات غير موثقة سابقًا بين هذه النماذج.

أيضًا، استطاع الباحثون بناء شجرة تطور لنماذج اللغات باستخدام خوارزميات النشوء والتطور، مما يُظهر التحولات من بنى الم encoder-decoder إلى بنى الم decoder-only، ويعكس تقدم الزمن ويوضح سرعات تطورية مميزة بين عائلات النماذج المختلفة.

هذه الدراسة تفتح أبوابًا جديدة لفهم كيفية عمل الذكاء الاصطناعي، ويمكن أن تساعد في إدارة وتحسين النموذج بشكل أكثر فعالية. فما رأيكم في هذا التطور؟ هل تعتقدون أن له تأثيرًا على مستقبل نماذج الذكاء الاصطناعي؟ شاركونا في التعليقات!