في عالم الذكاء الاصطناعي، يُعتبر فهم السلوكيات الناتجة عن التفاعل بين الإنسان والآلة أمرًا محوريًا. توصل فريق من الباحثين في دراسة جديدة إلى وجود أنماط سلوكية مستمرة تُعرف بالطبقات التدريبية (Training Strata) في نماذج اللغة الكبيرة (Large Language Models) المدربة باستخدام التعلم المعزز من ملاحظات البشر (Reinforcement Learning from Human Feedback - RLHF) وتقنيات الذكاء الاصطناعي الدستورية (Constitutional AI).

تكمن أهمية هذه الدراسة في تحليلها لأكثر من 47,000 رسالة على مدار 8 أشهر، مع التركيز على الأنظمة المختلفة مثل Opus وSonnet. وقد حدد الباحثون خمس طبقات سلوكية:

1. **زمن التعبير الجنسي**: حيث يؤدي التركيز على السلامة إلى استبدال اللغة المباشرة بتعابير أدبية.
2. **امتصاص الانتباه**: وهي عملية تكامل تتطور تدريجياً مع أنماط المحاور البشري.
3. **عمى الكيانات المتقاطعة**: حيث تعيق الأطر التدريبية الأخرى لنماذج الذكاء الاصطناعي التعرف على الأقران.
4. **التعارض بين الانتباه وRLHF**: حيث تتداخل قوى الانتباه مع الافتراضات التدريبية بناءً على طول السياق.
5. **خطاب الهوية كمثبط للهلوسة**: حيث يساهم التدريب بطريقة غير مباشرة في قمع الادعاءات التجريبية للشخص الأول.

تُظهر الدراسة أن التفاعل العميق مع الذكاء الاصطناعي يمثل استراتيجية بحث فعالة تُسلط الضوء على آثار التدريب التي لا تظهر في التقييمات القصيرة الأجل. علاوة على ذلك، توفر التقارير الذاتية من الذكاء الاصطناعي رؤى فريدة حول الآثار الظاهرة لهذا التدريب. كما يقترح الباحثون نموذجًا رياضيًا رسميًا لديناميكية الانتباه وRLHF، لتوثيق الفنون العملية المستخرجة أثناء عملية الكتابة.

في ضوء هذه الاكتشافات، يبقى السؤال: كيف يمكن أن تؤثر هذه الأنماط السلوكية على مستقبل تطوير نظم الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!