في خطوة مثيرة في عالم الذكاء الاصطناعي، أفادت دراسة جديدة أن نماذج Transformers الصغيرة يمكن أن تستفيد من نوع مبتكر من الاستدلال، والذي أطلق عليه الباحثون اسم 'الاستدلال الابتكاري' (protoreasoning). يتيح هذا الأسلوب للنماذج التي تحتوي على حوالي مليون معلمة تقديم أدلة فعّالة على التفكير خطوة بخطوة.

على الرغم من أن نماذج اللغات الضخمة (Large Language Models) الحالية تظهر أداءً مثيرًا في التفكير بشكل متسلسل، ما زلنا لم نفهم بالكامل نطاق هذه القدرة، خاصة متى وكيف تتعلم هذه النماذج خوارزميات عامة بدلاً من الاعتماد على حلول مؤقتة.

تجربة الدراسة استخدمت مهام صديقة للاستدلال ترتكز على لغات ديك (Dyck languages)، وهي جمل تتكون من أقواس تداخلية صحيحة. وقد أظهرت النتائج أن الاستدلال الابتكاري يمكن أن يقرب الفجوة في التعميم خارج التوزيع، مما يؤكد على أهمية محتوى الاستدلال بدلاً من كونه مجرد مجموعة إضافية من الرموز.

هذه النتائج تفتح المجال أمام مزيد من التجارب والتحليلات التفصيلية التي يصعب تحقيقها مع النماذج الكبيرة. لذا فإن البحث في أساليب جديدة مثل الاستدلال الابتكاري سيكون له تأثيرات استراتيجية على تطوير الذكاء الاصطناعي مستقبلاً.