تُعَدّ تقنية تُحولات (Transformers) أحد أكثر النماذج شهرة في مجال الذكاء الاصطناعي، لكن تكمن تحدياتها في تقييد تفكيرها بسبب طريقة فك الشيفرة التلقائية (autoregressive decoding)، التي تعيد ضغط الحسابات الغنية عبر الفضاء الرمزي. لذلك، تمثل تقنية **T^2MLR** (Transformers with Temporal Middle-Layer Recurrence) إنجازًا مثيرًا.

يُعد نموذج T2MLR معمارية جديدة تعتمد على التحولات، حيث تم دمج تمثيل جديد من الطبقة المتوسطة المخبأة في الطبقة السابقة للرمز الحالي، مما يمكنه من الحفاظ على الحسابات المتوسطة عبر خطوات فك الشفرة دون تكاليف إضافية كبيرة.

تظهر الأبحاث أن نموذج T2MLR يتفوق باستمرار على نماذج التحولات التقليدية التي تتساوى في البيانات والمعلمات. ومن المثير للاهتمام، أن تطبيق الاسترجاع على جزء محلي فقط من الطبقة المتوسطة (قد يصل إلى 20% من الشبكة) يحقق أداءً أفضل من الاسترجاع عبر كامل الطبقات.

هذه النتائج تشير إلى أن التفكير الفعّال في نموذج T2MLR لا يتطلب المرور بكافة الطبقات كما كان متبعًا في الدراسات السابقة ولكن يمكن أن يظهر بشكل أقوى من تكرار الطبقة المتوسطة المستهدف.

أكثر ما يميز T2MLR هو أنه لا يحتاج إلى إعادة تدريب كامل، بل يُمكن تعديل مسار الاسترجاع داخل نموذج تحولي مُدرب مسبقًا (بمقدار 1.7 مليار معلمة) قليلاً لتحسين القدرة على التفكير الرياضي، مما يقلل من الحواجز نحو الاعتماد العملي.

إن هذا الابتكار في نماذج الذكاء الاصطناعي يُظهر كيف يتم تجاوز القيود ومواجهة التحديات، وهو ما يفتح آفاقًا جديدة لتطبيقات مستقبلية مجيدة.

ما رأيكم في هذه التقنية الجديدة؟ شاركونا آراءكم وتجاربكم في التعليقات!