في عالم الذكاء الاصطناعي، تفخر التقنيات الحديثة بتطوير نماذج لغوية طويلة الأمد (LLMs) تعتمد على الذاكرة. واحد من المفاهيم المثيرة للاهتمام هو "نسيان انتقائي"، الذي يطرح إطار عمل ذاكرة قائم على الرسوم البيانية. تم اقتراح الرسوم البيانية للمعرفة كبديل هيكلي لمفهوم استرجاع المعلومات التقليدي، والذي يُفترض أنه يُحسن القدرة على استرجاع المعلومات من خلال تمثيل المحادثات ككيانات وعلاقات.

تتضمن هذه التقنية تقييم كل محادثة وتحويلها إلى عقد نصية مرتبطة بشكل محدد، مما يسمح للإجابة على الأسئلة من خلال جداول فرعية ذات سمتين. أحد الجوانب المثيرة للجدل هو قدرة هذا النظام على تذكر التفاصيل المهمة أو نسيان غير الضروري. عند إجراء الاختبارات، أظهرت النتائج أن الأداء لم يكن متفوقاً مقارنة بالأساليب التقليدية، حيث سجل النموذج الجديد نتائج أقل في بعض المعايير.

ومع ذلك، كانت وحدة النسيان أكثر نجاحًا، حيث أظهرت تحسنًا في الذاكرة من خلال إزالة نسبة معينة من العقد والبيانات المخزنة. وكشفت التجارب أن تحويل المحادثات إلى كيانات قد يؤدي إلى خسارة معلومات أساسية، مما يطرح تساؤلات حول فعالية هذا النظام في الظروف الواقعية.

يمكنك الاطلاع على الشفرة المستخدمة في هذا البحث عبر الرابط على GitHub.

ما رأيكم في استخدام هذه الأنظمة الجديدة لتطوير الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!