عند التحدث عن الذكاء الاصطناعي، نواجه باستمرار تحديات مثيرة، منها ظاهرة تُعرف بالانهيار النمطي (Mode Collapse) التي تؤثر على نماذج اللغة الكبيرة (LLMs). في دراسة جديدة، تم تسليط الضوء على سبب هذه الظاهرة وأثرها المدمر على تنوع النماذج، حيث تُظهر الأبحاث أن الميل إلى تفضيل النصوص المعروفة من قبل المحررين يلعب دوراً أساسياً.

بطريقة شاملة، قم الباحثون بتعريف هذا الميل بشكل رسمي، والتحقق من صحة وجوده على مجموعة البيانات الخاصة بالتفضيلات. يتضح من النتائج أن تصحيح التفضيلات لجعلها أكثر تنوعاً كان ضروريًا للتغلب على الانهيار النمطي.

في خضم ذلك، تم تقديم استراتيجية جديدة تُعرف باسم 'Verbalized Sampling'، وهي طريقة حديثة تعتمد على تهيئة النموذج لتوليد مجموعة متنوعة من الردود، مثل “اصنع 5 نكات عن القهوة مع النسب المئوية المرتبطة بها”.

أظهرت التجارب الشاملة أن 'Verbalized Sampling' تعمل بشكل مثير للإعجاب، حيث تعزز الأداء في مجالات الكتابة الإبداعية مثل الشعر والقصص والنكات، بالإضافة إلى محاكاة الحوار وأسئلة وأجوبة مفتوحة، دون المساس بدقة المعلومات وسلامتها. وفيما يتعلق بالكتابة الإبداعية، زادت 'Verbalized Sampling' من التنوع بشكل ملحوظ بمعدل يتراوح بين 1.6 إلى 2.1 مرة مقارنة بالطُرق المعتادة.

بشكل عام، تقدم هذه الدراسة رؤية جديدة تتعلق بالمشكلات التي تواجهها نماذج الذكاء الاصطناعي وتوفر حلاً عمليًا يمكن أن يعزز التنوع الإبداعي لها. يُظهر هذا العمل كيف يمكن تقديم تطبيقات جديدة في الذكاء الاصطناعي باستخدام أفكار مبتكرة مثل 'Verbalized Sampling'.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!