ثورة جديدة في تقييم التفكير المنطقي للذكاء الاصطناعي باستخدام محاذاة الاستعلام والمفتاح

شهد المجال الحديث للذكاء الاصطناعي تطوراً لافتاً في الأداء الباهر الذي تُظهره نماذج اللغة الكبيرة (Large Language Models) في مهام معالجة اللغة الطبيعية. ولكن يبقى تحدي مهم يواجه هذه النماذج، وهو قدرتها على أداء التفكير المنطقي المعقد متعدد المراحل، حيث لا تزال النتائج غير مرضية.

بالرغم من التحسينات التي قدمها أسلوب "سلسلة الأفكار" (Chain-of-Thought) الذي يسمح للنماذج بإنشاء خطوات وسيطة، فإن هذا الأسلوب يفتقر إلى الآليات التي يمكنها تقييم تماسك هذه الانتقالات المنطقية. في هذا السياق، اقترحت دراسة حديثة استراتيجية تقييم مبتكرة تُستخدم محاذاة الاستعلام والمفتاح داخل رؤوس انتباه المحولات (Transformers).

تستفيد هذه الطريقة الجديدة من عملية تمرير واحدة للأمام (forward pass) لاستخراج ما يُعرف بـ"درجة QK"، حيث تُظهر هذه الدرجات تمثيلات كامنة تستطيع بموثوقية فحص الفرضيات الصحيحة مقابل الخاطئة. هذا النهج يمثل بديلاً قابلاً للتوسع مقارنة بالأساليب التقليدية التي تعتمد على التقنيات المحورية.

لقد أُجريت تجارب على مجموعة متنوعة من النماذج التي تتراوح من 1.5 مليار إلى 70 مليار معلمة، وحققت هذه الطريقة الجديدة نتائج مشجعة، حيث أظهرت مستوىً أكبر من المتانة ضد المشتتات وزيادة في عمق التفكير المنطقي على مجموعة متنوعة من اختبارات القياس.

تقدم هذه النتائج دليلاً جديداً على الإمكانات الكبيرة المتاحة لتحسين دقة نماذج الذكاء الاصطناعي في معالجة المفاهيم والاستدلال المنطقي، مما يمهد الطريق لمزيد من التطورات في هذا المجال.