تتأمل دراسة جديدة منشورة في arXiv حول كيفية تأثير إعادة ترتيب القواعد الرياضية على أداء نماذج الذكاء الاصطناعي (AI). غالباً ما تكون إعادة ترتيب مجموعة من القواعد الرياضية مسألة هامة، لكن السؤال الأبرز هو: هل تظل تمثيلات النماذج الداخلية ثابتة أثناء هذه العملية؟

قامت الدراسة بفحص هذه الإشكالية باستخدام مشكلات تركيب الدوال المتعددة، حيث تم تقديم كل مجموعة من القواعد تحت عدة ترتيبات مع نتائج صحيحة متطابقة. تم قياس الدقة ونسبة الإشارة إلى الضوضاء (Signal-to-Noise Ratio - SNR) لترتيب البيانات، مما يعكس كيف يتم تمثيل أنماط الترتيب بشكل متميز مقارنة بتغير تقديم المشكلات.

شملت الدراسة 16 نموذجًا لغويًا (Language Models) تراوحت أحجامها ما بين 1 مليار إلى 8 مليارات متغير. واظهرت النتائج نمطًا واضحًا: كلما كانت نماذج الذكاء الاصطناعي أكثر دقة في حل المشكلات المعاد ترتيبها، كانت تمثيلات الترتيبات أكثر تمييزًا.

وتم اكتشاف أن المتوسط المرجح لنسبة إشارة إلى الضوضاء الخاصة بالترتيب مرتبط إيجابيًا بالدقة، حيث وصلت معاملات سبيرمان إلى 0.86. هذه النتائج تبرز الفرق بين ثبات الإجابة وثبات التمثيل، مما يشير إلى أن نجاح تركيب القواعد الرياضية يمكن أن يصاحب تمثيلات داخلية متميزة بين الترتيبات المعادلة.

هذا البحث يحمل دلالات مهمة لفهم عمليات التفكير الرياضي، إذ يسعى لتوفير منظور تمثيلي يعزز من دقة الحلول المقدمة ويعمق فهمنا لآليات النماذج اللغوية وكيفية معالجتها للمعلومات.