في عالم الذكاء الاصطناعي، تُعتبر [نماذج Transformers](/tag/[نماذج](/tag/نماذج)-transformers) أحد العناصر الثورية التي تسهم في [تطوير](/tag/تطوير) [أدوات](/tag/أدوات) قادرة على [التفكير](/tag/التفكير) وحل المشكلات بطرق [تقارب](/tag/تقارب) القدرة البشرية. في [دراسة جديدة](/tag/[دراسة](/tag/دراسة)-جديدة) نُشرت على موقع arXiv، تمت [دراسة](/tag/دراسة) كيفية [بناء](/tag/بناء) [نماذج](/tag/نماذج) transformers لنماذج داخلية معقدة عند تدريبها على مهام عقلية متسلسلة، مثل حل [ألغاز](/tag/ألغاز) سودوكو.

تقدم [الدراسة](/tag/الدراسة) نتائج مثيرة للاهتمام، حيث أظهرت أن النموذج لا يمثل حالة اللوحة خلية بخلايا كما يتوقع المحللون، بل ينظم [المعلومات](/tag/المعلومات) حول الصفوف، الأعمدة، والمربعات التي تؤثر عليها [قيود](/tag/قيود) اللعبة. هذه [الهندسة](/tag/الهندسة) الداخلية تشير إلى أن النموذج قادر على [فهم](/tag/فهم) سياق الألغاز بدقة.

علاوة على ذلك، حدد الباحثون ما يعرف بدائرة "naked-single"، حيث تتواجد مجموعة صغيرة من الخلايا العصبية المخصصة في الطبقة النهائية، والتي تكتشف بدقة متى يتبقى رقم واحد فقط ممكن لكل خلية. هذه الدائرة تعزز هذا الرقم بشكل موثوق، مما يوضح كيف أن النموذج يطبق [خوارزمية](/tag/خوارزمية) لمعالجة [المعلومات](/tag/المعلومات) بشكل انتقائي.

تشير هذه النتائج إلى أن بنية النموذج الداخلي لشبكة transformers تتشكل بفعل الأبعاد الحسابية للمجال المعني، وليس بمظهره السطحي. وبذلك، تتضح كيفية استعادة [أدوات](/tag/أدوات) [التفسير](/tag/التفسير) الميكانيكي لخطة [خوارزمية](/tag/خوارزمية) شاملة لكيفية حل النموذج لمهام [التفكير](/tag/التفكير) المركب.

إن [فهم](/tag/فهم) هذه العمليات المعقدة لا يساعد فقط في [تحسين أداء](/tag/[تحسين](/tag/تحسين)-[أداء](/tag/أداء)) [نماذج الذكاء الاصطناعي](/tag/[نماذج](/tag/نماذج)-الذكاء-الاصطناعي) بل يفتح أيضاً آفاق جديدة لتطبيقات مستقبلية.