تخيل عالماً يتم فيه توجيه السلوكيات من خلال مجموعة من القواعد الاجتماعية، ما يعرف بالنظم الطبيعية. في دراسة جديدة، يتم تسليط الضوء على كيفية مواجهة نماذج اللغات الضخمة (LLMs) للتحديات المتعلقة بإدراك هذه النظم. فمع تزايد الاعتماد على أنظمة الذكاء الاصطناعي، يصبح من الضروري مواءمتها مع المعايير الاجتماعية المقبولة، وهو ما يُعد تحديًا كبيرًا نظرًا لتعدد هذه المعايير وسرعة تغيرها.

تبادل الأفكار حول هذا الموضوع يُشير إلى أهمية ما يُعرف بالكفاءة الطبيعية، أو القدرة على فهم القواعد من خلال التفاعل فقط دون الاعتماد على المعرفة المسبقة. تتضمن هذه الدراسة إعدادًا جديدًا للنقاش المجتمعي يعتمد على معايير اصطناعية لدراسة الكفاءة الطبيعية بشكل منفصل عن التعرض المسبق.

ومع ذلك، أظهرت النتائج أن نماذج اللغات الضخمة الرئيسية تفشل في تعلم هذه المعايير حتى عندما يؤدي تعلمها إلى تحسين دقتها. وقد تم اختبار مجموعة من 'الوحدات الطبيعية'، وهي مكونات معمارية مخصصة لاستنتاج القواعد، لتظهر أن الالتزام بالقواعد يتحسس بشدة لكل من نمط القاعدة والطراز المستخدم في الوحدة التفسيرية. وفي حالات تظهر فيها سلوكيات غير نمطية، تعطلت النماذج في تمييز الحد الضروري، مما يؤكد على الحاجة الملحة لابتكار طرق جديدة تعزز الكفاءة الطبيعية في الذكاء الاصطناعي.

في ختام البحث، يمكن القول إن العمل الحالي يمثل الانطلاقة الأولى نحو تقييم الكفاءة الطبيعية في نماذج اللغات الضخمة، مبرزًا الحاجة الملحة لتطوير أنظمة ذكية قادرة على فهم الترتيب الاجتماعي المفروض. كيف يمكن تحسين فهم الذكاء الاصطناعي للقواعد الاجتماعية؟ دعونا نناقش ذلك في التعليقات!