Rethinking Dense Sequential Chains: Reasoning Language Models Can Extract Answers from Sparse, Order-Shuffling Chain-of-Thoughts
تتحدى هذه الورقة الرؤية التقليدية التي تقضي بوجوب كون سلاسل الاستدلال كثيفة ومتسلسلة، وذلك من خلال إثبات قدرة النماذج اللغوية على استخراج الإجابات الصحيحة من آثار الاستدلال التي تعرضت لخلط شديد، وتجريد من اللغة الطبيعية، وحتى تلوث بإجابات خاطئة، مما يكشف عن ركيزة معلوماتية كامنة تتسم بالندرة وعدم الحساسية للترتيب.
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 أن لديك طالباً ذكياً جداً يخوض اختباراً صعباً في الرياضيات. قبل أن يكتب الإجابة النهائية، يكتب الطالب "عملية تفكير" طويلة خطوة بخطوة على ورقة مسودة. تسمى هذه العملية "سلسلة الأفكار" (Chain of Thought).
لفترة طويلة، افترضنا أمرين حول كيفية عمل هذا الطالب:
- كل شيء مهم: كل كلمة يكتبها هي أمر حيوي. إذا مسحت كلمة واحدة، فقد تصبح الإجابة خاطئة.
- الترتيب هو الملك: يجب قراءة الخطوات بالترتيب الذي كُتبت به تماماً (الخطوة 1، ثم الخطوة 2، ثم الخطوة 3). إذا قمت ببعثرة الصفحات، سيصاب الطالب بالارتباك.
تقول هذه الورقة البحثية: "في الواقع، لا يفترض أي من هذين الافتراضين أن صحيح."
لقد اختبر الباحثون ذلك عبر أخذ "ورقة المسودة" من ثلاثة نماذج مختلفة للذكاء الاصطناعي ولعبوا بها ألعاباً—عن طريق بعثرة الترتيب، وحذف الكلمات، وإضافة إجابات وهمية. وإليكم ما وجدوه، مشروحاً بتشبيهات بسيطة:
1. تشبيه "الأحجية المبعثرة" (الترتيب لا يهم)
تخيل أن عملية تفكير الطالب هي أحجية صور مقطوعة (Jigsaw puzzle). كنا نعتقد أن قطع الأحجية يجب أن توضع معاً في تسلسل محدد لرؤية الصورة.
قام الباحثون بأخذ قطع الأحجية (الأسطر النصية) ووضعوها في خلاط، ثم صبّوها مرة أخرى بترتيب عشوائي.
- النتيجة: لا يزال الطالب يحصل على الإجابة الصحيحة في أغلب الأحيان بنسبة تقارب 100%.
- العقبة: إذا قاموا ببعثرة الحروف داخل الكلمات (مثل تحويل كلمة "math" إلى "htam")، سيفشل الطالب. ولكن إذا قاموا فقط ببعثرة الجمل أو الأسطر، فإن الطالب لا يهتم على الإطلاق.
- الخلاصة: لا يحتاج الذكاء الاصطناعي إلى قصة خطية. هو فقط يحتاج إلى رؤية جميع قطع الأحجية مبعثرة على الطاولة. يمكنه إيجاد الحل دون الحاجة لقراءتها بالترتيب.
2. تشبيه "الهيكل مقابل اللحم" (الندرة/التجزؤ)
اعتقدنا أن الطالب يحتاج إلى القصة كاملة—"لحم" الشرح—ليصل إلى الإجابة. اختبر الباحثون ذلك عن طريق تجريد كل "اللحم" (الكلمات الإنجليزية، والتشريحات، وكلمات مثل "لذلك" و"بسبب").
- التجربة: قاموا بإزالة كل حروف الأبجدية، تاركين فقط الأرقام والرموز والإجابة النهائية.
- النتيجة: أصبح الطالب في الواقع أفضل في إيجاد الإجابة! كان "اللحم" (النثر) مجرد ضجيج.
- الهيكل العظمي: الأشياء الوحيدة التي كانت تهم هي الأرقام والرموز الرياضية. إذا أزلت الأرقام، سيحصل الطالب على صفر. إذا أبقيت الأرقام وأزلت الكلمات، فسيظل ناجحاً.
- الخلاصة: الذكاء الاصطناعي يتجاهل القصة ويركز فقط على الهيكل الرياضي.
3. تشبيه "الأخبار المزيفة" (المتانة)
أخيراً، سأل الباحثون: "ماذا لو خدعنا الطالب؟" أخذوا الإجابة الصحيحة وأضافوا إليها إجابات وهمية. أضافوا الإجابة الوهمية "الإجابة هي 123" ثلاث مرات أكثر من الإجابة الحقيقية.
- التوقع: قد تعتقد أن الطالب سيصاب بالارتباك ويختار الإجابة الأكثر تكراراً (الإجابة الوهمية).
- النتيجة: تجاهل الطالب الضجيج تماماً واختار الإجابة الصحيحة في كل مرة.
- الخلاصة: الذكاء الاصطناعي لا يقوم فقط بعدّ عدد مرات ظهور الإجابة. إنه ينظر إلى المنطق وبنية الأرقام. الإجابات الوهمية لم تستطع خداعه لأنها لم تكن تتناسب مع "الهيكل" الرياضي.
الاستنتاج الكبير
تخلص الورقة البحثية إلى أن نماذج الذكاء الاصطناعي هذه لا تحتاج فعلياً إلى كتابة قصص طويلة ومثالية ومتسلسلة لحل المشكلات. إنهم أشبه بـ المحققين الذين ينظرون إلى مسرح الجريمة: لا يهتمون إذا كانت الأدلة مرتبة في خط مستقيم أو مبعثرة على الأرض، ولا يهتمون بقصة الشاهد الطويلة والمملة. هم فقط بحاجة للعثور على الأرقام والرموز المحددة التي تحل القضية.
لماذا يهم هذا؟
تشير الورقة إلى أنه بما أن الذكاء الاصطنا est لا يحتاج إلى "القصة" أو "الترتيب"، فقد نتمكن من جعل الذكاء الاصطناعي يفكر بشكل أسرع بكثير في المستقبل. بدلاً من كتابة قصة طويلة وبطيئة خطوة بخطوة، يمكننا تقنياً توليد جميع "الأدلة" اللازمة (الأرقام والرموز) في وقت واحد، مما يوفر كمية هائلة من قدرة الحاسوب والوقت.
ملاحظة هامة: تثبت الورقة البحثية فقط أن الذكاء الاصطناعي يمكنه إيجاد الإجابة من سلسلة أفكار مبعثرة ومجردة. لكنها لا تثبت بعد أننا نستطيع توليد السلسلة بهذه الطريقة، لكنها تفتح الباب لهذا الاحتمال.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.