تستمر الثورة في تقنيات الذكاء الاصطناعي مع ظهور إطار العمل الجديد RLIE، الذي يُعتبر طفرة في مجال توليد القواعد. بينما كانت نماذج اللغة الكبيرة (Large Language Models) تمنحنا وسائل مذهلة لتوليد النصوص، فإن الحاجة لإعادة صياغة كيفية تعلم القواعد أصبحت ملحة.

يعمل RLIE على دمج نماذج اللغة الكبيرة مع النمذجة الاحتمالية بطريقة مبتكرة، حيث يتكون إطار العمل من أربع مراحل رئيسية.

* **توليد القواعد**: في هذه المرحلة، تقوم نماذج اللغة الكبيرة باقتراح قواعد وتصفية المرشحين.
* **الانحدار اللوجستي**: يتم استخدام هذه المرحلة لتعلم أوزان احتمالية لما يُعرف بالاختيار العالمي والتعديل.
* **التحسين التكراري**: تعمل هذه المرحلة على تحديث مجموعة القواعد باستخدام أخطاء التنبؤ.
* **التقييم**: يُقارن مجموعة القواعد الموزونة بأنماط التصنيف الأخرى والتي تُدخل القواعد في نموذج اللغة.

أظهرت الدراسات أن تطبيق القواعد مباشرة مع أوزانها المكتسبة يؤدي إلى أداء أفضل، بينما استخدام القواعد جنبًا إلى جنب مع نماذج اللغة يؤثر سلبًا على الدقة. مما يعكس أن نماذج اللغة قادرة على توليد دلالات دقيقة ولكنها أقل موثوقية في الدمج الاحتمالي الدقيق.

هذا العمل يسلط الضوء على الإمكانيات والقيود التي تضعها نماذج اللغة الكبيرة في الاستنتاج الاستقرائي، ويعمل على الربط بينها وبين أساليب الدمج الاحتمالية التقليدية، مما يعزز قدرة الاستنتاج الرمزي العصبي.

ما رأيكم في هذا التطور المثير؟ لا تترددوا في مشاركة آرائكم في التعليقات!