في عالم الذكاء الاصطناعي (AI)، يعتبر فهم كيفية اتخاذ القرارات من قبل نماذج اللغة الكبيرة (Large Language Models) أمرًا بالغ الأهمية. يواجه الباحثون تحديًا كبيرًا في استخلاص القواعد الرمزية التي ترتبط بالسلوكيات الداخلية لهذه النماذج. وعلى الرغم من وجود أساليب عدة لاستخراج القواعد، إلا أن معظمها لا يرتبط مباشرة بدائرة التشغيل للنموذج.

تقديم نظام 'MechaRule' يمثل خطوة جريئة نحو تحسين هذا البحث. يعتمد هذا النظام على كيفية تحديد تأثيرات عصبية نادرة تُسمى 'agonists'، وهي الأعصاب التي تسهم بشكل مباشر في سلوك النموذج. من خلال عزل تأثير هذه الأعصاب، يمكننا فهم كيفية استجابة النموذج للقواعد المختلفة.

تستند نتائج الدراسة إلى ملاحظتين رئيسيتين. الأولى هي أن التأثيرات العصبية النادرة يمكن أن تكون هرمية، حيث يمكن لنشاط عدد قليل من الأعصاب القوية أن يُهيمن على النشاط الأضعف عند مستويات معينة. الثانية هي أن تعزيز النشاط العصبي يتحقق بشكل موثوق أكثر عندما تتم التحقق من النتائج من خلال تقسيم البيانات ذات الصلة بسلوك القواعد.

بتنفيذ نظام MechaRule، حقق الباحثون نتائج مدهشة. حيث تم استرجاع 96.8% من الأعصاب ذات التأثير العالي في اختباراتهم، مما أسفر عن تقليل دقة الحسابات الناجحة. هذا يعني أن عزل الأعصاب القوية قد يؤدي إلى تحسين في كيفية عمل النموذج.