في عالم الذكاء الاصطناعي، تُعتبر نماذج اللغات الضخمة (Large Language Models) من أبرز التطورات التقنية. وفي دراسة جديدة، تم تسليط الضوء على ظاهرة مثيرة تتمثل في قدرة نموذج الـ Transformer على استيعاب فكرتين مختلفتين في الوقت نفسه، مما يسهل عملية توليد محتوى غني وتفاعلي.

يُظهر الباحثون أن هذه النماذج، على الرغم من اعتمادها على مكونات غير خطية، تتمتع بخطية أساسية، حيث يمكن دمج مدخلات من تدفقات نصية مختلفة للحصول على مخرجات تمثل مجموعة من التوزيعات للرموز التالية. وقد أطلق الباحثون على هذه الظاهرة اسم “فرضية الخطية المتداخلة” (Superposition Linearity Hypothesis).

أجريت دراسات على نسخة نموذج الـ Transformer، وأظهرت النتائج أن هذا السلوك ليس مجرد نتيجة عشوائية نتيجة للتدريب، بل هو خاصية جوهرية في معمارية الـ Transformer. على الرغم من أن هذه الخطية تميل إلى التناقص مع تقدم التدريب المسبق، إلا أن الباحثين كشفوا أنه يمكن استعادة هذه الخطية بشكل كبير من خلال أساليب دقيقة في تحسين النموذج، مما يقلل الفجوة بين توزيع الرموز التالية المتوقع ومتوسط التوزيعات الفردية.

بفضل هذه الاكتشافات، تم تقديم عملية ترميز موجهة تفصل بين المخرجات المتداخلة، مما يُمكن من توليد تعبيرين متمايزين ومنسجمين في نفس الوقت من تمرير واحد فقط للنموذج. هل ستحدث هذه التطورات تحولاً في كيفية إنتاج الذكاء الاصطناعي للمحتوى المبتكر؟

هذه النتائج تعكس مدى قدرة الذكاء الاصطناعي على التفاعل والتكيف، مما يُفسح المجال أمام تطبيقات جديدة ومبتكرة تساهم في إثراء تجارب المستخدمين.