في خطوة رائدة نحو تحسين حسابات الذكاء الاصطناعي، تم تقديم نموذج آلة Turing ذات الأوراق الاستنادية العشوائية (SOTM)، الذي يتمحور حول كيفية تفاعل الآلات الحاسوبية مع الأوراق المستندة إلى توزيع الاحتمال. ينصب التركيز على نوعين من آليات استجابة الأوراق: استجابة المخزون (Cached Response) واستجابة جديدة (Fresh Response).

تعمل الخوارزمية من خلال استرجاع استجابة واحدة لكل استعلام ويتم إعادة استخدامها في استجابات لاحقة، مما يساعد في تسريع عملية الحسابات. بالمقابل، تسمح الاستجابة الجديدة للآلة بالحصول على استجابات مستقلة لكل مكالمة، مما يزيد من معايير الجودة والدقة في النتائج.

الكشف عن أن الأداء يكون محدوداً على أساس الأداء القائم على المتن. يكشف البحث أيضاً كيفية تحسين الأخطاء بزيادة عدد المكالمات إلى نفس الاستعلام، حيث تنخفض احتمالية الخطأ بشكل كبير مع كل استعلام متكرر، مما يعزز من جودة النتائج.

كما أن استخدام آلية الاستجابة الجديدة يمكن أن يوفر دليلاً مستقلاً مما سيمكن من الوصول إلى نتائج صحيحة أو عالية الجودة. هذا التطور يعد بتقديم إشارات واضحة حول كيفية تأثر أداء الحسابات بالاعتماد على المعلومات المستندة إلى النصوص ومدى تكرار الاستجابة.

إذا كنت مهتماً بمستقبل الحوسبة المدعومة بالذكاء الاصطناعي، فإن نتائج هذه الدراسة تقود نحو آفاق جديدة، تثير تساؤلات حول كيفية استثمار هذه المعرفة في التطبيقات العملية.