في عالم تطبيقات الذكاء الاصطناعي التوليدي (Generative AI)، تتزايد الحاجة إلى تطوير استجابات دقيقة لمحاورات اللغة الطبيعية التي تتوافق مع السياسات المكتوبة أو القوانين. لذلك، تم تقديم نهج هجيني يجمع بين المنطق الرمزي (Symbolic Logic) ونماذج اللغة القوية.

يرتكز هذا النهج على قدرة نماذج اللغة في استخراج الحقائق اللازمة لتوجيه الاستدلالات. من خلال استخدام حلقة الاستدلال، يتمكن النظام من توليد استجابات يمكن تفسيرها والمصادقة عليها، معناها أنها ليست فقط دقيقة ولكنها أيضاً قوية في مواجهة التغيرات المدخلة.

أظهرت الدراسات أنه عند فصل خطوات استخراج المعلومات والاستدلال، يتفوق هذا النظام الجديد على الأساليب التقليدية مثل السياسة كتحفيز (Policy-as-Prompt) والسياسة كرمز (Policy-as-Code) بمعدل تقليل يصل إلى 10 مرات في استخدام الرموز. هذه النتائج تدل على قيمة التفكير الهيكلي (Structured Reasoning) والمحلّلات الرمزية (Symbolic Solvers) عندما تعمل جنباً إلى جنب مع النماذج التوليدية.

مع زيادة تعقيد المتطلبات في مجالات متعددة، مثل السياسات الضريبية وقيود أمتعة شركات الطيران، يبرز هذا النهج كحل واعد لتقديم استنتاجات تتوافق تماماً مع المعايير الموضوعية. يُعلن عن هذا التطور كخطوة كبيرة نحو تعزيز دقة وأمان أنظمة الذكاء الاصطناعي في اتخاذ القرارات.

ما رأيكم في هذه الطريقة الجديدة؟ هل تعتقدون أنها ستُحدث فرقاً كبيراً في المستقبل القريب؟ شاركونا في التعليقات.