تشكل ظاهرة 'هلوسة' نماذج الذكاء الاصطناعي (AI) واحدة من أبرز التحديات التي تواجه علماء التكنولوجيا والباحثين، على الرغم من الجهود المستمرة للحد منها منذ ظهور نماذج اللغات الضخمة (Large Language Models). في هذا السياق، يُبرز البحث الجديد مسعى لتعريف هذه الظاهرة بشكل موحد يجمع بين التعريفات الحالية المختلفة.

تشير 'هلوسة' نماذج الذكاء الاصطناعي إلى حالات تعطي فيها النماذج معلومات غير دقيقة أو متضاربة مع قاعدة المعرفة المتاحة. على سبيل المثال، يمكن أن يظهر النموذج تأكيدًا على حقيقة ما تتعارض مع ما هو معروف أو يقدم ملخصاً لمصدر ما رغم تناقضه.

اقترح الباحثون تعريفًا موحدًا لـ'هلوسة' بأنه ببساطة تمثيل غير دقيق للعالم، مما يتيح للمستخدم مشاهدتها بوضوح. يبرز هذا التعريف أن النماذج ليست فقط قادرة على الخطأ، ولكن أن لديها 'عالمًا' داخليًا يحتمل أن يكون غير صحيح.

يساهم هذا الإطار الموحد في تقييم النماذج، حيث يلزم الوضوح فيما يتعلق بـ'العالم المرجعي' المستخدم في الاختبارات. ويقدم وسيلة لتمييز 'الهلاوس' الحقيقية عن الأخطاء الناتجة عن التخطيط أو المكافآت.

كما يربط الإطار الجديد بين تعريف 'الهلاوس' ونموذج 'HalluWorld'، وهي أداة مساعدة تقوم بتكوين نماذج مرجعية محددة بالكامل لتقييم المشاكل المرتبطة بالهلوسة. وبالتالي، يوفر هذا التعريف الموحد أيضًا لغة مشتركة للبحث والنقاش حول استراتيجيات التخفيف.

تظل 'هلوسة' نماذج الذكاء الاصطناعي موضوعًا مثيرًا للجدل والتحدي، وبتطبيق هذا التعريف الجديد، يمكننا فهم التحديات بشكل أفضل وتطوير حلول فعالة لها.