في عالم الذكاء الاصطناعي، تتزايد أهمية النماذج اللغوية الكبيرة (Large Language Models) في تطبيقات متعددة، من الصحة إلى القانون. ولكن، كيف تتعامل هذه النماذج مع المعلومات المتعارضة؟ دراسة جديدة تستكشف هذه المسألة من خلال تطبيق باراديم التداخل الكلاسيكي من علم النفس الإدراكي، حيث تم اختبار 39 نموذجًا لغويًا كبيرًا بخصائص مختلفة.

يتضح أن النماذج تواجه صعوبة أكبر في استرجاع القيم القديمة عند وجود معلومات جديدة، وهو ما يعرف بتداخل المعلومات الثانوية (Proactive Interference). على عكس ما نعرفه عن الإنسان، حيث تكون تداخل المعلومات الجديدة عادةً أكثر تأثيرًا على الذاكرة القديمة. تلقي الدراسة الضوء على آليات مميزة للتداخل، حيث يُظهر تحليل الأخطاء أن النماذج تواجه نوعين مختلفين من الفشل: الفشل السلبي في الاسترجاع القديم والفشل النشط بسبب المعلومات الحديثة.

مع تزايد تعقيد التطبيقات المعتمدة على النماذج اللغوية الكبيرة مثل سجلات الصحة والمستندات القانونية، تبرز هذه النتائج أهمية فهم كيفية تطوير هذه النماذج من أجل استخدامها بشكل موثوق. فهل سنشهد تطور في كيفية تدريب هذه النماذج لتتفوق في تذكر المعلومات القديمة مستقبلاً؟