في عالم الذكاء الاصطناعي، تحتل نماذج اللغة الكبيرة (LLMs) مكانة بارزة في العديد من التطبيقات، حيث تعتمد على العشوائية كجزء أساسي من عملياتها. لكن، هل تستطيع هذه النماذج إنتاج سلاسل عشوائية غير متحيزة؟ يسلط البحث الجديد الضوء على هذا التساؤل ويتناول كيف تؤثر العوامل النفسية في نتائج النماذج.

استخدم الباحثون تجربة مشهورة في علم السلوك وهي تحليل عمليات رمي النقود لمحاكاة تكوين سلاسل عشوائية. من خلال تحليل التوليد لـ LLMs، وجدوا أنها تعكس بعض الميل البشري المعروف للعشوائية، مثل الإفراط في التبديل وعدم الرغبة في تكرار النتائج لفترات طويلة.

بالإضافة إلى ذلك، أظهرت النتائج أن نماذج اللغة لا تُقلد العشوائية البشرية فحسب، بل قد تضخم بعض التحريفات أو تضيف أنماطًا خاصة بها، مما يُعقد استخدام هذه النماذج في التطبيقات التي تحتاج إلى عشوائية موثوقة.

إن زيادة درجات الحرارة أثناء التوليد قد يساعد في تقليل بعض الأنماط الجامدة، لكنها لا تقضي على التركيب النظامي تمامًا. توصل الباحثون إلى أن الميل للإفراط في التبديل لا يُفسر فقط بالتذكر المباشر أو بالتشفير.

تقدم هذه الدراسة رؤى مهمة حول كيفية تعزيز الفهم حول الاستخدامات العملية لهذه النماذج في البيئات التي تتطلب محاكاة سلوك بشري دقيق وعشوائية عادلة. في عصر تتوسع فيه إمكانيات الذكاء الاصطناعي، من المهم أن نكون واعين لنقاط الضعف التي قد تواجهنا في التطبيقات المستقبلية.