من الاعتماد إلى التكوين: كيف تعيد النماذج اللغوية الكبيرة تشكيل مخرجاتها عبر القواعد التركيبية

في عالم الذكاء الاصطناعي، تمثل النماذج اللغوية الكبيرة (LLMs) ثورة حقيقية في كيفية توليد النصوص. لكن، يبرز جدلٌ حول ما إذا كانت هذه النماذج تستخدم قواعد لغوية فعلية أم لا. بعض النقاد يؤكدون أن المخرجات تفتقر إلى البنية النحوية الحقيقية، بينما يدعم مؤيدو نظرية القواعد التبعية وجود نماذج عدة قادرة على وصف سلوك ل.ل.م بطريقة مهيكلة.

لكن ماذا لو كان هناك شيء أكثر دقة؟ هنا يأتي الاقتراح الجديد: رؤية سلوك النماذج اللغوية الكبيرة كعملية تدريجية ترجع إلى نموذج معالجة تراكمي مبني على قواعد تركيبية تسمى القواعد الفئوية التبادلية (Combinatory Categorial Grammar - CCG). هذا النموذج يتيح لنا فهم كيفية توفير النماذج اللغوية الكبيرة لمخرجاتها بطريقة تعكس هيكلة مركبة تتسم بالكفاءة والدقة.

يتضمن هذا النموذج الجديد إطارًا نفسيًا رمزيًا يرفع المخرجات إلى مستوى أكثر تركيبًا باستخدام قواعد واضحة، فيما لا يدعي أن النماذج اللغوية الكبيرة تقوم بتنفيذ قاعدية CCG داخليًا. ما يُقترح هنا هو أن مخرجات النماذج تسمح بإعادة بناء قاعدية بناءة منظمة يمكن التحقق منها.

ما هي النتائج؟ أولاً، من خلال مراسلات كاري-هوارد، يتجاوز الإطار اللغات الطبيعية إلى لغات شكلية تنتجها النماذج اللغوية الكبيرة، مثل لغات البرمجة كـ Solidarity، وكذلك لغات الوصف ولغات الاستعلام مثل OWL وSQL.

ثانيًا، هذا الإطار يدعم طبقتين من التحقق: طبقة تركيبية تكشف عن الأخطاء الهيكلية مباشرة، وطبقة محتوى تتحقق من الهيكل المعاد بناؤه باستخدام مصادر المعرفة الخارجية، مما يتيح الكشف المبكر عن الحالات غير الحقيقية.

إن هذا الفهم يتطلب من المنتج ليس التفكير المعقد ولكن بروفايل توليدي مدفوع بالبادئات. هذا المقال يختتم برسم توضيحي لكيفية الربط بين LLM وCCG كمستقبل مثير في هذا المجال.