فك شيفرة المشاعر: كيف تعزز العناصر الدلالية فهمنا لنماذج اللغات الضخمة؟

تسعى الأبحاث الحديثة إلى دعم فهمنا لآليات المشاعر في نماذج اللغات الضخمة (LLMs)، لكن هناك العديد من التساؤلات فيما يتعلق بكيفية تفسير هذه المشاعر وما الذي يجعل التفسيرات فعالة. وتعاني التمثيلات العاطفية وعناصرها من دائرية في التفسيرات، حيث تكون الأبعاد في فضاء المشاعر غالبًا عشوائية وغير منتهية.

تظهر الأبحاث الآن أن هناك مجموعة أكثر بدائية من المتغيرات الداخلية التي تلعب دورًا حاسمًا، وهي العناصر الدلالية التابعة للغة الدلالية الطبيعية (Natural Semantic Metalanguage - NSM). فقد أظهرت التجارب التي أجريت على أربعة نماذج معدلة بإرشادات (Llama-1B، Gemma-2B، Gemma-9B، OLMo-7B) أن العناصر الدلالية يمكن أن تكون:

1. مكونات داخلية قابلة للاسترجاع.
2. تدخل عنصرًا دلاليًا في توجيه التحكم في المشاعر ثلاث مرات أقوى، ومرتين أكثر تحديدًا، مقارنةً بأفضل توجيه قائم على التقييم.
3. يتعامل النموذج مع تفسير مبني على عنصر دلالي وكأنه يتبادل مع العاطفة المقابلة.

تشير هذه الأدلة إلى أن العناصر الدلالية قد تكون أفضل أدوات التفسير لفهم المشاعر في نماذج اللغات الضخمة مقارنة بالخيارات الأخرى وفقًا لمعايير الشرح العلمي. يعد هذا الفهم توجهاً واعداً يمكن أن يغير من أساليب تطوير واستخدام الذكاء الاصطناعي في التفاعل البشري.