في عالم علوم الأعصاب، غالبًا ما تكون الحاجة إلى فهم أعقد وأدق ضرورية. مؤخرًا، تمثل دراسة جديدة ثورة في كيفية استغلال رسومات المعرفة (Knowledge Graphs) لتحفيز الاستدلال العميق في هذا المجال. في هذه الدراسة، تم التركيز على فكرة أن الهيكلة الجيدة للمعرفة تُعزز من قدرة النماذج اللغوية على تحقيق نتائج دقيقة تفوق تلك التي تحققها النماذج اللغوية الكبيرة (Large Language Models).

تمتد هذه الدراسة إلى استخدام معلومات مستخلصة من كتاب مرجعي واحد فقط، مما يقدم بديلاً مثيرًا ومبتكرًا لتقنيات التعلم العميق التي تعتمد على مجموعات بيانات ضخمة متنوعة. من خلال إنشاء رسم معرفة مستمد من الكتاب، تمكن الباحثون من تحسين نموذج لغوي مُخصص عبر سلسلة من العمليات المترابطة تشمل الموافقة عبر نموذجين لغويين.

كما طُورت طرق جديدة لتوليد أسئلة متعددة الخطوات لتدريب النموذج، مما أتاح له القدرة على تقديم استنتاجات معقدة وصحيحة حول موضوعات في علوم الأعصاب، من دون الحاجة إلى الاعتماد على البيانات المتنوعة عبر الإنترنت.

هذه النتائج تفتح آفاقًا جديدة في كيفية استفادتنا من المعرفة المنظّمة لتحفيز التعلم العميق. كما أن البيئة التعليمية الجديدة المرتبطة برسومات المعرفة متاحة للتحميل للاستفادة منها في الدراسة والتدريب الذاتي عبر خلال الرابط: [https://kg-bottom-up-superintelligence.github.io/neuro-bench]. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.