في عالم الذكاء الاصطناعي، تتزايد المخاوف حول تأثير النظام الأوليغارشي على جودة النماذج اللغوية. الأبحاث الأخيرة تسلط الضوء على كيف أن النصوص المنتجة بواسطة الذكاء الاصطناعي تتدفق عائدة إلى قواعد بيانات تدريب النماذج التالية. هذه الدورة التدريبية المتكررة يمكن أن تؤدي إلى انهيار النماذج، ومع ذلك، يتوسع هذا السيناريو ليشمل عدة نماذج تغذي بعضها البعض، غالباً ما يكون توزيع السوق فيها متساويًا.

في سياق هذه الأبحاث، تم اختبار أنظمة تتكون من 13 نموذجًا مفتوحًا يتراوح حجمها بين 1 إلى 4 مليارات. تمثل هذه الأنظمة بيئات طبيعية تضم من 3 إلى 13 لاعبًا، مع وجود نموذج مُدخل يعزز النسبة العليا إلى 90%. كل جيل، يتم خلط مخرجات كل نموذج في مجموعة مشتركة حسب حجم السوق، ثم يُعاد تدريب كل نموذج على تلك المجموعة.

ومع ذلك، ومن خلال التجارب، لم يتبين أن انخفاض مستوى تنوع النماذج يقود إلى انهيار أسرع كما كان متوقعًا. المفاجأة تكمن في أن النماذج تظل تتجه نحو نفس النقطة باستمرار، حتى عند تغيير نسبة السوق. علاوة على ذلك، السرعة لا تتأثر بشكل كبير بمجرد تعديل كيفية توزيع النصوص بين النماذج. على سبيل المثال، استبدال نصف مجموعة التدريب بنصوص بشرية يقلل الفجوة دون تغيير الاتجاهات.

الأداء يعتمد على من يمد المجموعة بالنصوص ومدى استجابة هؤلاء المزودين للتغييرات. هذه النتائج تفتح الأفق للأبحاث المستقبلية حول كيفية تحسين النماذج اللغوية وتخفيف المخاوف من التجانس الناتج عن هيمنة عدد قليل من الفاعلين. هل تعتقد أن هيمنة السوق ستؤدي إلى انخفاض جودة المنتجات في قطاع الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات.