طور الباحثون تقنية تسمى "التعلم التجميعي التجميعي" (MLC) يمكنها تعزيز قدرة أنظمة الذكاء الاصطناعي على عمل "تعميمات تجميعية". هذه القدرة، التي تمكن البشر من ربط المفاهيم والجمع بينها، كانت موضوع نقاش ساخن في مجال الذكاء الاصطناعي لعقود من الزمن. من خلال إجراء تعليمي فريد من نوعه، أثبتت MLC أداءً في التجارب يتساوى مع القدرات البشرية، بل ويتجاوزها في بعض الأحيان. يُظهر هذا الإنجاز أن الشبكات العصبية التقليدية يمكن بالفعل تدريبها لتقليد قدرات تعميم النظام البشري.
تظهر الدراسة وعدًا جديدًا بـ "التعميم التوافقي"
يفهم البشر بالفطرة كيفية ربط المفاهيم؛ بمجرد أن يتعلموا مفهوم "التخطي"، سيفهمون على الفور معنى "القفز حول الغرفة مرتين" أو "ارفع يدك للتخطي".
لكن هل الآلات قادرة على هذا النوع من التفكير؟ في أواخر الثمانينيات، اقترح الفلاسفة وعلماء الإدراك جيري فودور وزينون بيليشين أن الشبكات العصبية الاصطناعية - المحركات التي تشغل الذكاء الاصطناعي والتعلم الآلي - لم تكن قادرة على إجراء هذه الروابط، المعروفة باسم "التعميم التركيبي". ولكن في العقود التي تلت ذلك، كان العلماء يطورون أساليب لتزويد الشبكات العصبية والتقنيات ذات الصلة بهذه القدرة، بنجاح متباين، مما أدى إلى إدامة هذا الجدل الذي دام عقودًا.
اختراق التكنولوجيا: الطبيعة الاصطناعية للتعلم التلوي
وقد طور باحثون في جامعة نيويورك وجامعة بومبيو فابرا الإسبانية تقنية - تم نشرها في مجلة Nature - تعمل على تحسين قدرة هذه الأدوات، مثل ChatGPT، على إجراء تعميمات اندماجية. هذه التقنية، التي تسمى "التعلم التجميعي التجميعي" (MLC)، تتفوق في الأداء على الأساليب الحالية، حيث تطابق الأداء البشري، بل وتتفوق عليه في بعض الحالات. في جوهرها، تقوم MLC بتدريب الشبكات العصبية – المحركات التي تحرك ChatGPT والتقنيات ذات الصلة في التعرف على الكلام ومعالجة اللغة الطبيعية – لتحسين التعميم التركيبي من خلال الممارسة.
يتطلع مطورو الأنظمة الحالية، بما في ذلك نماذج اللغات الكبيرة، إلى تحقيق تعميم تركيبي من خلال أساليب التدريب القياسية، أو تطوير بنيات متخصصة لتحقيق هذه القدرات. في المقابل، يوضح المؤلفون كيف أن الممارسة الواضحة لهذه المهارات تسمح لهذه الأنظمة بإطلاق العنان لقوى جديدة.
قال بريندن ليك، الأستاذ المساعد في مركز علوم البيانات وقسم علم النفس بجامعة نيويورك وأحد مؤلفي هذه الورقة: "على مدى 35 عامًا، ناقش الباحثون في مجالات العلوم المعرفية والذكاء الاصطناعي واللغويات والفلسفة ما إذا كانت الشبكات العصبية يمكنها تحقيق تعميم النظام الشبيه بالإنسان". "دراستنا هي الأولى التي تثبت أن الشبكة العصبية ذات الأغراض العامة يمكن أن تحاكي أو تتجاوز قدرات تعميم النظام البشري في المقارنات المباشرة."
كيف تعمل حركة تحرير الكونغو
لاستكشاف إمكانية تعزيز تعلم مكونات الشبكة العصبية، أنشأ الباحثون MLC، وهو إجراء تعليمي جديد يتم من خلاله تحديث الشبكة العصبية بشكل مستمر عبر سلسلة من الأحداث لتحسين مهاراتها. في إحدى الحلقات، يتلقى MLC كلمة جديدة ويطلب منه استخدامها في مجموعات - على سبيل المثال، استخدام كلمة "القفز" ثم إنشاء مجموعات كلمات جديدة مثل "القفز مرتين" أو "القفز لليمين مرتين". تتلقى MLC بعد ذلك حلقات جديدة تتمحور حول كلمات مختلفة، وهكذا، مما يؤدي إلى تحسين مهارات بناء الكلمات في الشبكة في كل مرة.
تكنولوجيا الاختبار
ولاختبار فعالية حركة الـMLC، أجرى ليك، المدير المشارك لمبادرة العقول والأدمغة والآلات بجامعة نيويورك، وماركو باروني، الباحث في معهد البحوث والدراسات المتقدمة في كاتالونيا وأستاذ في قسم الترجمة والعلوم اللغوية في جامعة بومبيو فابرا، سلسلة من التجارب مع مشاركين من البشر على نفس المهام التي تؤديها حركة الـMLC.
بالإضافة إلى ذلك، كان عليهم أن يتعلموا ليس فقط معاني الكلمات الفعلية التي يعرفها البشر بالفعل، ولكن أيضًا معاني الكلمات التي لا معنى لها والتي حددها الباحثون (مثل "zup" و"dax") ومعرفة كيفية تطبيق هذه الكلمات بطرق مختلفة. إن أداء MLC يتساوى مع المشاركين البشريين، وفي بعض الحالات أفضل منهم. كما تفوقت MLC والبشر أيضًا على ChatGPT وGPT-4، اللتين، على الرغم من قدراتهما الشاملة المثيرة للإعجاب، أظهرتا صعوبة في مهمة التعلم هذه.
وأشار باروني، وهو عضو في مجموعة أبحاث اللغويات الحاسوبية والنظرية اللغوية في جامعة بومبيو فابرا: "لا تزال نماذج اللغة واسعة النطاق مثل ChatGPT تعاني من تعميم تكوين الكلمات، على الرغم من أنها تحسنت في السنوات الأخيرة. لكننا نعتقد أن MLC يمكنها تحسين قدرات التوليف لنماذج اللغة واسعة النطاق."