Quantification and object perception in Multimodal Large Language Models and human linguistic cognition
تستقصي هذه الورقة البحثية كيفية ترميز النماذج اللغوية الكبيرة متعددة الوسائط لسمات التكميم الشبيهة بالبشر — وتحديداً مقاييس المكممات، والنموذجية، وتحيزات الأعداد التقريبية — كاشفةً أنه في حين تتفوق نماذج "التفكير" في تقدير العدد والمقياس، إلا أنها لا تزال تتباعد بشكل كبير عن الإدراك البشري في نطاقات الاستخدام والنموذجية عبر مختلف اللغات وأنواع النماذج.
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
تخيل أنك تعلم روبوتاً كيف ينظر إلى جرة مليئة بكرات زرقاء وحمراء ويصف عدد كل لون يراه. تسأله: "هل هناك بعض الكرات الحمراء؟ أم الكثير؟ أم الأغلبية؟"
بالنسبة للإنسان، هذا أمر سهل. لدينا "حس عددي" داخلي يساعدنا على تخمين العدد، ولدينا فهم اجتماعي لما تعنيه كلمات مثل "بعض" أو "الأغلبية" فعلياً في المحادثة. لكن بالنسبة للذكاء الاصطناعي (AI)، وتحديداً النماذج اللغوية الكبيرة متعددة الوسائط (MLLMs) — وهي الحواسيب فائقة الذكاء التي يمكنها رؤية الصور وقراءة النصوص — فإن هذه المهمة صعبة بشكل مفاجئ.
هذه الورقة البحثية تشبه قصة بوليسية يحاول فيها الباحثون اكتشاف لماذا تتعثر نماذج الذكاء الاصطناعي في مهام العد والوصف البسيطة، وما إذا كانت تفكر مثل البشر أم تكتفي بمحاكاتنا فقط.
إليك تفاصيل هذا التحقيق باستخدام بعض التشبيهات اليومية:
1. المشتبه بهم الثلاثة (أسئلة البحث)
أراد الباحثون حل ثلاثة ألغاز:
- اللغز (أ): لماذا تعاني نماذج الذكاء الاصطناعي مع كلمات مثل "بعض" و"الأغلبية"؟ هل لأنها لا تستطيع العد، أم لأنها لا تفهم معنى الكلمات؟
- اللغز (ب): هل النماذج "المفكرة" (الذكاء الاصطناعي الذي يتوقف ليفكر خطوة بخطوة) تؤدي بشكل أفضل من نماذج "التعليمات" (الذكاء الاصطناعي الذي يجيب بسرعة فقط)؟
- اللغز (ج): هل اللغة مهمة؟ هل تتصرف بشكل مختلف في الإنجليزية أو الإسبانية أو اليونانية؟
2. التجربة: اختبار "جرة الكرات"
عرض الباحثون على البشر ونماذج الذكاء الاصطناعي صوراً لمربعات سوداء ودوائر بيضاء.
- مهمة الإنسان: النظر إلى الصورة، وتخمين النسبة المئوية للسواد تقريباً، واختيار أفضل كلمة لوصفها (مثل: "القليل"، "بعض"، "كثير"، "الأغلبية").
- مهمة الذكاء الاصطناعي: القيام بنفس الشيء تماماً.
الأمر يشبه لعبة "خمن حجم الحشد". إذا كان 60% من الحشد يرتدون قبعات، فقد يقول الإنسان "كثير". وإذا كان 90% يرتدون قبعات، فسيقول "الأغلبية". أراد الباحثون معرفة ما إذا كان الذكاء الاصطناعي يتبع نفس هذه القواعد.
3. النتائج: ما أخطأ فيه الذكاء الاصطناعي
مشكلة "العد" (نظام الأعداد التقريبي)
يمتلك البشر "شعوراً فطرياً" بالأرقام. إذا رأينا جرة ممتلئة بنسبة 80%، فنحن نعرف أنها "الأغلبية".
- النتيجة: النماذج "المفكرة" (التي تتوقف للتفكير والاستنتاج) كانت جيدة جداً في تخمين الأرقام. لقد كانت مثل طالب درس بجد لاختبار الرياضيات.
- المشكلة: نماذج "التعليمات" (المستجيبة السريعة) غالباً ما كانت تخمن بشكل خاطئ. لقد مالوا إلى الاعتقاد بأن هناك مربعات سوداء أكثر مما هو موجود في الواقع. كانوا مثل شخص يخمن عدد حبات الجيلي في جرة ويبالغ في التقدير بشكل كبير.
مشكلة "معنى الكلمة" (سلم الكلمات)
ينظم البشر الكلمات مثل السلم:
قليل (الدرجة الدنيا) ← بعض ← كثير ← الأغلبية (الدرجة العليا).
إذا قلت "الأغلبية"، فأنت تعني "أكثر من كثير".النتيجة: النماذج "المفكرة" فهمت هذا السلم في الغالب. عرفت أن "الأغلبية" أعلى من "كثير".
المشكلة: نماذج "التعليمات" خلطت بين درجات السلم. أحياناً استخدموا "الأغلبية" لنسبة 60% و"كثير" لنسبة 70%. الأمر يشبه طفلاً يعتقد أن كلمة "سوبر" أكبر من كلمة "ميجا" لمجرد أنه سمعها في سياق مختلف. لم يفهموا القواعد الصارمة للسلم.
مشكلة "النقطة المثالية" (النموذج المثالي)
هذا هو الجزء الأكثر إثارة للاهتمام. البشر لديهم "نقطة مثالية" للكلمات.
- إذا سألت إنساناً: "متى تقول 'الأغلبية'؟" سيقول دائماً تقريباً: "عندما تكون النسبة 90% أو 95%".
- إذا سألت الذكاء الاصطناعي: "متى تقول 'الأغلبية'؟" فإنه غالباً ما يقول: "عندما تكون 55% أو 60%".
التشبيه: تخيل منظم حرارة (ترموستات). البشر يضبطون "الأغلبية" على "حار جداً" (90 درجة). والذكاء الاصطناعي يضبط "الأغلبية" على "دافئ" (55 درجة). حتى لو عدّ الذكاء الاصطناعي المربعات بشكل صحيح، فإنه يستخدم الكلمة الخاطئة لوصف درجة الحرارة. إنه مثل وصف حساء فاتر بأنه "مغلي".
المفاجأة: التفكير مقابل التعليمات
وجد الباحثون أن النماذج "المفكرة" (التي تقوم بعمليات حسابية واستنتاجية إضافية) كانت أقرب إلى البشر من نماذج "التعليمات".
- النماذج المفكرة: مثل المحاسب الدقيق. تعد جيداً وتفهم سلم الكلمات، لكنها لا تزال تختار "النقطة المثالية" منخفضة قليلاً.
- نماذج التعليمات: مثل البائع المتحدث بسرعة. يخمنون الأرقام بشكل خاطئ ويخلطون سلم الكلمات تماماً.
5. درس اللغة
اختبر الباحثون النماذج في ست لغات (الإنجليزية، اليونانية، الروسية، الإسبانية، الإيطالية، الكتالونية).
- المفاجأة: توقعوا أن يكون الذكاء الاصطناعي في أفضل حالاته في الإنجليزية (لأن تدريبه يعتمد عليها بشكل أساسي). لكن الذكاء الاصطناعي عانى بقدر مما عاناه، أو أحياناً أكثر، في اللغات الأخرى.
- الاستنتاج: لا يبدو أن لدى الذكاء الاصطناعي "عقلاً عالمياً" واحداً للأرقام والكلمات يعمل بنفس الطريقة في كل لغة. بدلاً من ذلك، يبدو أن لديه "قواميس" مختلفة ومكسورة قليلاً لكل لغة.
الخلاصة الكبرى
تخبرنا هذه الورقة البحثية أنه بينما يتحسن الذكاء الاصطناعي في الرؤية والعد، فإنه لا يزال لا يفهم حقاً "نكهة" اللغة البشرية.
- البشر يستخدمون كلمات مثل "بعض" و"الأغلبية" بناءً على مزيج من الرياضيات، والقواعد الاجتماعية، والحدس.
- الذكاء الاصطناعي يستخدمها بناءً على الأنماط الإحصائية التي رآها في بيانات التدريب الخاصة به. إنه مثل ببغاء تعلم قول "الأغلبية" عندما يرى الكثير من الأشياء، لكنه لا "يشعر" بالفرق بين "الكثير" وبين "الكل تقريباً".
النماذج "المفكرة" هي خطوة في الاتجاه الصحيح، ولكن إلى أن يتمكن الذكاء الاصطناعي من فهم الحدود الضبابية والدقيقة للكلمات البشرية، فسيستمر في قول "الأغلبية" بينما نقصد نحن حقاً "كثير".
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.