Biasless Language Models Learn Unnaturally: How LLMs Fail to Distinguish the Possible from the Impossible
على عكس الادعاءات السابقة، تُظهر هذه الدراسة أن نموذج GPT-2 يفشل في التمييز بشكل منهجي بين اللغات الطبيعية واللغات "المستحيلة"، حيث يتعلم كلتيهما بنفس السهولة ولا يُظهر أي انحياز فطري نحو البنى اللغوية الممكنة بشرياً.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
السؤال الكبير: هل يفكر الذكاء الاصطناعي والبشر بنفس الطريقة؟
تخيل أنك تعلم روبوتاً كيف يتحدث. تعطي له مليون جملة من الحياة الواقعية (مثل كتاب قصص) ومليون جملة عشوائية تماماً وغير مفهومة (مثل كتاب تم وضع كل كلماته في خلاط).
النظرية القديمة: لفترة طويلة، اعتقد علماء اللغويات أن البشر يمتلكون "فلتر بيولوجي" خاصاً في أدمغتنا. نحن نولد ونحن نعرف أن بعض الأنماط منطقية (مثل "القط جلس على الحصيرة") والبعض الآخر مستحيل (مثل "على الحصيرة جلس القط" إذا كانت القواعد النحوية قد كُسرت بطريقة معينة غير طبيعية). تُسمى هذه فرضية التوليد (Generative Hypothesis). وهي تشير إلى أنه إذا عرضت على إنسان لغة "مبعثرة"، فسيقول فوراً: "لا، هذه ليست لغة حقيقية".
الجدل الجديد: مؤخراً، ادعى بعض الباحثين أن نماذج اللغات الكبيرة (LLMs) مثل GPT-2 تعمل تماماً مثل البشر. قالوا: "انظروا! الذكاء الاصطناعي يتعلم اللغة الحقيقية بشكل أسرع بكثير من الهراء المبعثر. هذا يثبت أن الذكاء الاصطناعي يمتلك نفس 'الفلتر البيولوجي' الذي نمتلكه، وربما لا نحتاج لافتراض وجود انحيازات فطرية خاصة لدى البشر".
حكم هذه الورقة البحثية: يقول مؤلفو هذه الورقة: "تمهلوا قليلاً. لقد اختبرنا هذا مجدداً، ولكن مع لغات أكثر وأنواع مختلفة من التبعثر. وتخمينوا ماذا حدث؟ الذكاء الاصطنا_ي لا يهتم. إنه يتعلم اللغة الحقيقية ولغة الهراء بنفس السرعة تماماً. وفي بعض الأحيان، حتى يفضل الهراء!".
التجربة: "صالة ألعاب اللغة"
لاختبار ذلك، أعد الباحثون صالة ألعاب رياضية ضخمة للذكاء الاصطناعي (GPT-2).
- الأوزان (البيانات): أخذوا 9 لغات مختلفة (الإنجليزية، الفرنسية، الروسية، العبرية، إلخ).
- التبعثر (المستحيل): لكل لغة حقيقية، صنعوا نسخاً "مستحيلة" باستخدام بعض الحيل:
- الخلط (The Shuffle): أخذ جملة وخلط كلماتها عشوائياً.
- العكس (The Reverse): قراءة الجملة بشكل عكسي.
- القفز (The Hop): تحريك الكلمات حول بعضها بنمط غريب وغير طبيعي.
- التمرين (التدريب): قاموا بتدريب الذكاء الاصطناعي على اللغة الحقيقية والنسخة المبعثرة بشكل منفصل.
- بطاقة النتائج (الحيرة/الارتباك): قاسوا مدى "ارتباك" الذكاء الاصطناعي. في مصطلحات الذكاء الاصطناعي، يُسمى هذا الارتباك (Perplexity).
- ارتباك منخفض = الذكاء الاصطناعي يفهم الأمر بسهولة (مثل جري سلس).
- ارتباك مرتفع = الذكاء الاصطناعي يعاني (مثل الجري وسط الطين).
النتائج: الذكاء الاصطناعي "بلا انحياز"
لو كانت النظرية القديمة صحيحة، لكان ينبغي للذكاء الاصطناعي أن يكون مثل الإنسان: يجب أن يجري بسلاسة في اللغة الحقيقية ويتعثر بشدة في اللغة المبعثرة.
ماذا حدث فعلياً؟
- تأثير "التوأم": كان منحنى التعلم للغة الحقيقية واللغة المبعثرة متطابقين تقريباً. كانا توأمين.
- خلل "التفضيل": في كثير من الحالات، وجد الذكاء الاصطناعي أن الهراء المبعثر أسهل قليلاً في التعلم من اللغة الحقيقية!
- الصورة الكبيرة: عندما نظروا إلى جميع اللغات معاً، لم يفرق الذكاء الاصطناعي بين "اللغات الحقيقية" و"اللغات المزيفة". لقد عاملها جميعاً كمجرد مجموعة أخرى من الأنماط التي يجب حفظها.
التشبيه: طالب الموسيقى مقابل الـ DJ
تخيل طالبين يتعلمان الموسيقى:
- طالب الموسيقى البشري (عالم اللغويات): تعزف له سيمفونية جميلة ومنظمة. ثم تعزف له مقطعاً حيث الطبول تُعزف بشكل عكسي والكمان يصرخ بشكل عشوائي. طالب الموسيقى البشري سيقول فوراً: "هذه ليست موسيقى؛ هذا ضجيج. لا يمكنني تعلم هذا لأنها تكسر قواعد التناغم". لديه انحياز فطري للهيكل والنظام.
- طالب الذكاء الاصطناعي (الـ DJ): تعزف له السيمفونية. ثم تعزف له الضجيج. طالب الذكاء الاصطناعي يبدأ فقط في حفظ النوتات. "حسناً، في السيمفونية، الكمان يذهب من عالٍ-منخفض. في الضجيج، الكمان يذهب من منخفض-عالٍ. فهمت". الذكاء الاصطناعي لا يهتم إذا كانت الموسيقى "حقيقية" أو "مستحيلة". هو فقط يرى أنماطاً.
تخلص الورقة إلى: الذكاء الاصطناعي هو "DJ" بارع، لكنه ليس موسيقياً بشرياً. فهو يفتقر إلى "الفلتر البيولوجي" الذي يجعل البشر يرفضون اللغات المستحيلة غريزياً.
لماذا يهم هذا؟
- بالنسبة للذكاء الاصطناعي: يشير هذا إلى أن نماذج الذكاء الاصطناعي الحالية هي مجرد أدوات ممتارة في مطابقة الأنماط، لكنها لا "تفهم" اللغة حقاً كما يفعل البشر. ليس لديها نفس القواعد الداخلية التي توجه الكلام البشري.
- بالنسبة لعلم اللغويات: يدعم هذا فكرة أن البشر لديهم بالفعل انحيازات خاصة وفطرية تشكل طريقة حديثنا. إذا كان الذكاء الاصطناعي (الذي ليس لديه بيولوجيا) لا يستطيع التمييز بين لغة حقيقية ولغة مكسورة، بينما يستطيع البشر ذلك، فإن تلك الانحيازات البشرية يجب أن تكون حقيقية وفريدة لنا.
- بالنسبة لأسطورة "التعلم السهل": تفند الورقة فكرة أنه يمكننا فقط النظر إلى سرعة تعلم الذكاء الاصطناعي لإثبات أنه يفكر مثل البشر. أحياناً، التعلم بسرعة يعني أنك بارع في حفظ الهراء، وليس في فهم الحقيقة.
الخلاصة
تجادل الورقة بأن نماذج اللغات الكبيرة (LLMs) هي "بلا انحياز" بطريقة لا يمتلكها البشر. يمكنها تعلم أي شيء، حتى الأشياء التي من المستحيل منطقياً للبشر التحدث بها. هذا يعني أننا لا نستطيع استخدام الذكاء الاصطناعي كمرآة مثالية لفهم كيفية تعلم الدماغ البشري للغة. الدماغ البشري يمتلك "فلتر قواعد" خاصاً لا يمتلكه الذكاء الاصطناعي ببساطة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.