في عالم الذكاء الاصطناعي، يعتبر الفشل في إنجاز المهام المتعددة أمرًا شائعًا لنماذج اللغة الضخمة (LLMs)، لكن ماذا لو استطعت التنبؤ بفشل هذه النماذج قبل أن يبدأ صراعها؟ تم تطوير طريقة جديدة تعتمد على استنتاجات داخلية للنموذج، مما يسمح بالتنبؤ بفشل المهمة في مرحلة مبكرة للغاية.

أظهر الباحثون أن استخدام أدوات خفيفة الوزن لمراقبة التفاعلات الداخلية للنموذج يمكن أن يكشف عن إشارات تحذر من الفشل المحتمل في الجولة الأولى من التفاعل. بيت القصيد هو أنه بالرغم من أن الطرق التقليدية لم تكن تتجاوز حظوظ الصدفة، فإن النموذج الجديد يمكنه إنقاذ كميات كبيرة من الموارد، مما يحدث ثورة في كيفية استغلال نماذج اللغة.

اعتمدت هذه التقنية على نظام أطلق عليه اسم «قاذف الإنهاء» وهو عبارة عن بوابات تفاعلية تضبط الذاكرة المعادلة لكل جولة، الأمر الذي يسمح بنجاح المهام بالرغم من وجود أي عوائق. وقد ظهرت النتائج مثيرة للإعجاب، حيث تم حفظ حوالي 47.1% من استهلاك الموارد عند استخدام نموذج معين.

إن تزايد كفاءة الأداء هذه يمكن أن يُحدث فرقًا هائلًا في كيفية استخدام نماذج اللغة الضخمة في التطبيقات التجارية والبحثية، مما يؤدي إلى تحسينًا كبيرًا في سرعة الأداء وتقليل التكاليف. إن مثل هذه الاكتشافات تدل على مستقبل الذكاء الاصطناعي الذي يمتاز بالكفاءة والاستدامة.

وربما الأهم من ذلك، سيتم الكشف عن الشيفرة المكتوبة والتي تتعلق بهذه الطريقة في المستقبل القريب، مما سيمكّن الباحثين والمطورين من استغلال هذا الابتكار في مشاريعهم الخاصة.