دیدگاه ریاضیدانان دربارهٔ مدلهای زبانی بزرگ
تیموتی گاورز و پیتر سارناک معتقدند مدلهای زبانی بزرگ در انجام محاسبات پیچیده و استخراج نتایج منطقی از نظریههای موجود بسیار توانا هستند، اما در تولید ایدههای بنیادی و انتزاعات نو ناتواناند. تیموتی گاورز میگوید این مدلها در ترکیب روشهای شناختهشده و پیمایش مسیرهای متعدد جستجو کاربردیاند، اما از «شهود ریاضی» که توانِ انتخاب مسیرهای پربازده را فراهم میکند بیبهرهاند. پیتر سارناک نیز تاکید دارد هوش مصنوعی میتواند نتایج منطقی را استخراج کند، اما هنگام نیاز به گذار از یک پرسش ساده به ساختن انتزاعات بنیادین عملکرد قابلاعتمادی نشان نمیدهد.
منبع محدودیت: ناتوانی در ابداع فروض بنیادی
تام زاهای از دیپمایند در مقالهای با عنوان «LLMs Can't Jump" این گلوگاه را به ناتوانی در شکلدهی به فروض بنیادین نسبت میدهد؛ یعنی فقدان ظرفیتِ ایجاد فرضهای جدیدی که سابقهٔ زبانی مشخصی ندارند. این نوع «استنتاج ابداعی» فراتر از بازتولید یا ترکیب زبان است و نیازمند ساختار ذهنی یا مدلِ جهانی است که بتواند فرضهای نو بسازد و آنها را عملاً آزمون کند. برای آشنایی بیشتر با مفهوم استدلال ابداعی میتوان به صفحهٔ Abductive reasoning مراجعه کرد.
آینده: مدلهای جهان و راهکارهای ترکیبی برای مدلهای زبانی بزرگ
یک مسیر عملی برای عبور از این مانع، توسعهٔ مدلهای جهان است که نه تنها الگوهای زبانی را ذخیره کنند، بلکه توان شبیهسازی و تعامل با محیط را داشته باشند. ترکیب یادگیری نمادین، استدلال منطقی ساختیافته و تجربهٔ تعاملی میتواند زمینهساز ظهور انتزاعات جدید شود. حتی در صورت افزودن این ظرفیتها به مدلهای زبانی بزرگ، پرسش کلیدی همچنان پا بر جاست: آیا افزایش مقیاس و داده بهتنهایی میتواند «شهود ریاضی» یا گرایش به انتخاب مسیرهای امیدبخش را ایجاد کند، یا تغییرات بنیادین در معماری و اهداف آموزشی لازم است؟
پیشنهادهای عملی برای پژوهشگران و سازندگان
- برای پژوهشگران نظری: تعریف معیارها و ابزارهایی که توانایی تولید انتزاع را اندازهگیری کنند؛ معیارهایی که فراتر از دقت پیشبینی صرف باشند.
- برای طراحان مدل: ادغام تجربهٔ تعاملی، مؤلفههای نمادین و مکانیزمهای ارزیابی فرضها، بهمنظور پشتیبانی از فرایندهای خلاقانهتر در مدلهای زبانی بزرگ.
- برای جامعهٔ کاربران: تنظیم انتظارات براساس قوت واقعی مدلها در محاسبه و ترکیب اطلاعات و آگاهی از محدودیتهای آنها در اختراع اصول بنیادین.
اظهارنظرهای گاورز، سارناک و زاهای نشان میدهد که پیشرفتها در پردازش زبان طبیعی چشمگیر است، اما عبور از مرزِ محاسبه و ترکیب شناختی به سمت خلق اصول بنیادی، نیازمند رویکردها و ابزارهای جدیدی است که صرفاً با افزایش مقیاس و داده قابل حصول نیست.
منابع مرتبط: صفحات بیوگرافی تیموتی گاورز و پیتر سارناک، معرفی دیپمایند و مقالهٔ معرفی استدلال ابداعی.
