تُظهر الأبحاث أن نماذج الذكاء الاصطناعي تتقن القدرات قبل وقت طويل من إظهارها

أظهرت دراسة حديثة أن نماذج الذكاء الاصطناعي تمتلك بعض القدرات قبل وقت طويل من ظهورها أثناء التدريب. ووفقًا للدراسة التي أجرتها جامعتا هارفارد وميشيغان، فإن هذه النماذج لا تُظهر هذه القدرات إلا عند الحاجة إليها بطريقة أو بأخرى.

يُعد هذا البحث واحداً من بين العديد من الأبحاث التي أُجريت لفهم كيفية بناء نماذج الذكاء الاصطناعي لقدراتها قبل عرضها.

كيفية حللت الدراسة تعلم نماذج الذكاء الاصطناعي للمفاهيم الأساسية كالحجم واللون، وكشفت أنها تتقن هذه المهارات في وقت أبكر مما تشير إليه معظم الاختبارات. كما قدمت الدراسة رؤى ثاقبة حول مدى تعقيد قياس قدرات الذكاء الاصطناعي. وجاء في الورقة البحثية: "قد يبدو النموذج غير كفؤ عند إعطائه تعليمات قياسية، بينما يمتلك في الواقع قدرات متطورة لا تظهر إلا في ظل ظروف محددة".

تُظهر الأبحاث أن نماذج الذكاء الاصطناعي تستوعب المفاهيم بشكل كامل

لم تكن جامعة هارفارد وجامعة ميشيغان أول من حاول فهم قدرات نماذج الذكاء الاصطناعي، فقد كشف باحثون في شركة أنثروبيك عن ورقة بحثية بعنوان "تعلم القاموس". ناقشت الورقة البحثية رسم خرائط للروابط في لغة كلود الخاصة بهم مع مفاهيم محددة تفهمها. على الرغم من أن معظم هذه الأبحاث اتخذت زوايا مختلفة، إلا أن الهدف الأساسي منها هو فهم نماذج الذكاء الاصطناعي.

كشفت شركة أنثروبيك أنها عثرت على سمات يمكن ربطها بمفاهيم قابلة للتفسير. وأوضح البحث: "وجدنا ملايين السمات التي يبدو أنها تتوافق مع مفاهيم قابلة للتفسير تتراوح بين أشياء ملموسة كالأشخاص والدول والمباني الشهيرة، وأفكارtracكالمشاعر وأساليب الكتابة وخطوات التفكير".

أجرى الباحثون، خلال أبحاثهم، عدة تجارب باستخدام نموذج الانتشار، وهو أحد أكثر نماذج الذكاء الاصطناعي. وخلال التجربة، لاحظوا أن النماذج تمتلك طرقًا متباينة لمعالجة المفاهيم الأساسية. وكانت الأنماط متسقة، حيث أظهرت نماذج الذكاء الاصطناعي قدرات جديدة في مراحل مختلفة، ونقطة تحول حادة تشير إلى اكتساب قدرة جديدة.

خلال التدريب، أظهرت النماذج إتقانها للمفاهيم قبل حوالي 2000 خطوة مما يكشفه الاختبار القياسي. ظهرت المفاهيمtronعند حوالي 6000 خطوة، بينما برزت المفاهيم الأضعف عند حوالي 20000 خطوة. بعد تعديل إشارات المفاهيم، اكتشفوا ارتباطًا مباشرًا بسرعة التعلم.

يكشف الباحثون عن طرق للوصول إلى القدرات الخفية

استخدم الباحثون أساليب تحفيز بديلة للكشف عن القدرات الخفية قبل ظهورها في الاختبارات القياسية. ويؤثر الانتشار الواسع لظهور القدرات الخفية على تقييم الذكاء الاصطناعي وسلامته. فعلى سبيل المثال، قد تغفل المعايير التقليدية عن بعض قدرات نماذج الذكاء الاصطناعي، وبالتالي تغفل عن القدرات المفيدة منها والمثيرة للقلق على حد سواء.

خلال البحث، اكتشف الفريق أساليب معينة للوصول إلى القدرات الكامنة لنماذج الذكاء الاصطناعي. أطلق الباحثون على هذه الأساليب اسم التدخل الكامن الخطي والتلقين المفرط، حيث جعل الباحثون النماذج تُظهر سلوكيات معقدة قبل ظهورها في الاختبارات القياسية. كما اكتشف الباحثون أن نماذج الذكاء الاصطناعي تتلاعب ببعض السمات المعقدة قبل أن تتمكن من إظهارها من خلال التوجيهات القياسية.

على سبيل المثال، يمكن تدريب النماذج على توليد صور "نساء مبتسمات" أو "رجال يرتدون قبعات" بنجاح قبل مطالبتها بدمجها. ومع ذلك، أظهرت الأبحاث أنها تعلمت الدمج في وقت سابق، لكنها لن تتمكن من إظهار ذلك من خلال التوجيهات التقليدية. يمكن القول إن النماذج التي تُظهر قدراتها قد وصلت إلى مرحلة الإتقان، وهي حالة تُظهر فيها النماذج أداءً مثاليًا في الاختبار بعد تدريب مكثف. ومع ذلك، أشار الباحثون إلى وجود اختلافات جوهرية بين الحالتين.

على الرغم من أن الفهم العميق (Grokking) يحدث بعد عدة جلسات تدريبية ويتضمن تحسين توزيعات متعددة لنفس مجموعات البيانات، إلا أن البحث يُظهر أن هذه القدرات تظهر أثناء التعلم النشط. وقد لاحظ الباحثون أن النماذج وجدت طرقًا جديدة لمعالجة المفاهيم من خلال التغيير على مراحل بدلاً من التحسينات التدريجية في التمثيل في الفهم العميق.

بحسب البحث، تُظهر نماذج الذكاء الاصطناعي أنها تُدرك هذه المفاهيم، لكنها تعجز عن تجسيدها. يُشبه هذا الأمر مشاهدة فيلم أجنبي وفهمه دون القدرة على التحدث بلغته. يُشير هذا إلى أن معظم النماذج تمتلك قدراتٍ أكبر مما تُظهره، كما يُبيّن صعوبة فهم هذه القدرات والتحكم بها.