في عالم الذكاء الاصطناعي، يظهر مفهوم "التعلم غير المحسوس" (Subliminal Learning) كنقطة تحول مثيرة في كيفية فهمنا لتفاعل نماذج اللغة. يعني التعلم غير المحسوس أن نموذج لغة الطلاب يمكنه اكتساب صفات نموذج المعلم، مثل تفضيل نظام معين، حتى لو كانت المخرجات المتعلقة بهذه الصفات غير مرتبطة دلاليًا.

على الرغم من كل هذا، لا يزال الأمر غامضًا للغاية: كيف يمكن لنموذج أن يستمد صفات دلالية من بيانات تفتقر إلى المعنى الدلالي؟

في دراسة جديدة، تم الكشف عن دور "المتجهات التوجيهية" (Steering Vectors) في عملية التعلم هذه. يُظهر البحث أن التعلم غير المحسوس يمكن أن يتم عن طريق إضافة متجه توجيه واحد إلى تنشيطات النموذج، مما يؤثر على سلوكها وطريقة عملها.

وقد أظهرت التجارب على نموذجين مفتوحين المصدر أن التوجيه الذي يتلقاه نموذج المعلم يمكن تقريبه جيدًا باستخدام متجه توجيهي، مما يعني أن سلوك نموذج الطالب يتشكل من خلال تعلم متجه متماهي أثناء عملية إعادة التدريب أو تحسين الأداء. بينما تُظهر تجارب إضافية أن النظامات التي لا يمكن تقريبها من المتجهات التوجيهية لا يمكن أن تتعلم التعلم غير المحسوس.

ومما لاحظه الباحثون أن إضافة متجه دلالي إلى تنشيطات النموذج يمكن أن يتسبب في تأثيرات تتنوع بين المتطلبات العامة والخاصة بالنموذج، حتى عندما تكون البيانات غير دلالية. وهذا يسلط الضوء على الرابطة العميقة بين التعلم غير المحسوس والبيانات التي يتم استخدامها في التدريب.

وأخيرًا، يؤكد البحث على ضرورة استخدام المحسنات التكيفية لتحسين فعالية التعلم غير المحسوس في نماذج اللغة، حيث يؤدي استخدام المحسنات غير التكيفية إلى ضغط المكونات وضعف تأثير الاتجاه التوجيهي.

إن فهم هذه الظواهر يمكن أن يفتح آفاق جديدة في مجال الذكاء الاصطناعي، مما يقودنا نحو نماذج أكثر كفاءة وفاعلية. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.