تُعتبر النماذج اللغوية الضخمة (Large Language Models) من أبرز التطورات في مجال الذكاء الاصطناعي، حيث تتفوق في مهام اكتشاف وتفسير الاستعارات. ولكن، هل يعني هذا أن لدينا فهمًا عميقًا لهذه المعاني؟ في دراسة جديدة، قام الباحثون بإجراء تحليل تشخيصي للكشف عن الخطوط العريضة لما تومئ إليه هذه النتائج.

تتناول الدراسة ثلاثة أبعاد تكاملية لمعالجة الاستعارة: أولاً، مدى توافق الخصائص الدلالية؛ ثانياً، ثبات المفردات؛ وثالثاً، الحساسية التركيبية. باعتماد تحليل هندسي، تم تقييم ما إذا كانت التفسيرات التي تقدمها النماذج تتماشى مع الخصائص الدلالية المرجعية. من خلال استبدال السياق، تم تحليل استقرار الروابط بين التعبيرات الاستعارية والحرفية. عبر الاضطرابات التركيبية المراقبة، تم فحص الحساسية في الكشف عن الاستعارة.

أظهرت النتائج أن التفسيرات الناتجة من النماذج اللغوية الضخمة يمكن أن تعكس انحرافًا دلاليًا مقارنة بالسمات المرجعية. كما تم الكشف عن وجود روابط لغوية مستقرة تستمر عبر الظروف السياقية، مما قد يدعم الاستعارات التقليدية ولكنه يسبب تحيزات في الاستعارات الجديدة التي تتطلب تكاملاً سياقيًا. علاوة على ذلك، كانت أداءات الكشف حساسة لقواعد اللغة غير المنتظمة.

تسلط هذه الاكتشافات الضوء على ضرورة توخي الحذر عند تفسير مؤشرات النجاح في معالجة الاستعارة، حيث قد تعكس الأداء القوي وجود إشارات متغايرة تحت السطح، مما يشير إلى حاجة ملحة لإعادة النظر في كيفية فهم نماذج اللغة لمفاهيم معقدة مثل الاستعارة.