في عالم الذكاء الاصطناعي، ترسم نماذج التحويل (Transformers) أفقاً جديداً لفهم اللغات، بما في ذلك تلك التي تعتبر مستحيلة على البشر. تشير الأبحاث الأخيرة إلى أن هذه النماذج تميل إلى تفضيل اللغات البشرية على اللغات غير المشروعة، التي يُزعم أنها لا يمكن اكتسابها. لكن على ماذا تستند هذه الادعاءات؟

تُظهر الدراسات السابقة أن هذه الاعتراضات ناتجة عن اختلافات في كفاءة العينات ودرجة التعقيد في مجموعات الاختبار، بدلاً من تقييمات مباشرة للقدرات اللغوية التي قد تفسر عدم وجود بعض اللغات في البشرية.

لتسليط الضوء على الموضوع، تم تقييم نموذجين مبنيين على نظرية الأساس، حيث يُعتقد أن الاستحالة ناتجة عن نقص في الحساسية النحوية أو القدرة على الإنتاج. باستخدام نماذج شبيهة بـ GPT-2 تم تدريبها على نسخ معدلة من الإنجليزية ذات الخصائص المستحيلة، تم قياس الحساسية نحو القواعد اللغوية.

أظهرت النتائج أن أداء النماذج تدهور ببطء، متأثراً بموقع المعلومات في اللغة. في المقابل، كانت هناك إخفاقات ملحوظة في عملية توليد الجمل، حيث أنتجت النماذج عدداً أقل بكثير من الجمل عالية الجودة عند طول الجمل.

تشير هذه النتائج مجتمعة إلى أن قصور الإنتاج وفشل النقل قد يكونان فرضية رابط معقولة بين سلوك نموذج اللغة وعدم وجود لغات مستحيلة، مما يثير تساؤلات حول حدود التعلم اللغوي والقدرات الطبيعية للنماذج.