في عالم الذكاء الاصطناعي، حققت نماذج اللغات الضخمة (Large Language Models) تقدمًا مذهلاً في مهام الاستدلال المعقد، بدءًا من الرياضيات وعلوم الحاسوب وصولاً إلى الاستنتاجات الشائعة. ومع ذلك، فإن العمليات الاستدلالية التي تتبعها هذه النماذج لا تزال غير واضحة، مما يجعلها صعبة التفسير والتحقق وإعادة التشغيل عبر مجالات مختلفة.

لتجاوز هذه القيود، تم تقديم مفهوم نظم الاستدلال المبنية على النظريات (Theorem-Grounded Execution Ontologies - TGEO)، وهو إطار مصمم لنمذجة الاستدلال كعملية انتقال حالة قابلة للتنفيذ بدلاً من مجرد سلسلة من الرموز التي تم إنشاؤها.

تعمل TGEO بشكل متكامل من خلال تحديد عائلات النظريات ذات الصلة، وربط المشكلة بأنظمة المعرفة، واكتشاف العناصر الدلالية، وإنشاء الحالات والمشغلين، وبناء العبارات والشروط، ومن ثم صياغة رسم بياني استدلالي يمكن تنفيذه.

يمثل الرسم البياني الناتج تمثيلًا واضحًا، يمكن إعادة تشغيله، ويمكن تدقيقه للاستدلال، حيث يتم تمثيل كل انتقال حالة، وتطبيق مشغل، وخطوة تحقق بشكل صريح.

تتضمن TGEO خمسة مكونات معمارية رئيسية:
1. مبادئ الاستدلال المستندة إلى النظريات
2. أنظمة معرفة قابلة للتنفيذ
3. انتقالات حالات مدفوعة بالمشغلين
4. تحقق تنفيذ قائم على العبارات والشروط
5. تدقيق معماري وتحديد مواقع الفشل

تم تقييم TGEO على مهام استدلال تعتمد على النظريات مأخوذة من مجالات رياضية مرجعية ومجموعة تنفيذ ذهبية مُنسقة، وأظهرت النتائج قيمة التمثيلات الاستدلالية القابلة للتنفيذ في تعزيز إمكانية تفسير واستنتاج النماذج الذكية.

ما رأيكم في هذه التقنية الجديدة؟ هل تعتقدون أنها ستحدث ثورة في كيفية فهمنا لعمليات التفكير لدى الذكاء الاصطناعي؟ شاركونا في التعليقات!