Context Is King: How In-Context Specification Shapes the Geometry of Concepts
تُبين هذه الورقة أن البنية الهندسية للمفاهيم في النماذج اللغوية الكبيرة تتحدد ديناميكيًا من خلال المواصفات المقدمة في سياق النص بدلاً من الأولويات المسبقة الثابتة، مع القدرة على تجاوز هذه الأولويات بوضوح والاستخدام السببي للهندسة المفروضة التي لا تبرز إلا في النماذج الأكبر حجمًا.
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 تحاول فهم كيف يفكر روبوت عملاق فائق الذكاء. لفترة طويلة، اعتقد العلماء أن داخل عقل هذا الروبوت مكتبة ضخمة وثابتة من الحقائق. إذا سألته عن أيام الأسبوع، فسيخرج دائرة جاهزة ومثالية من رفوفه حيث يقع الاثنين بجانب الثلاثاء دائمًا. وإذا سألته عن الأشهر، فسيخرج دائرة مختلفة. أوحت هذه الفكرة بأن عقل الروبوت كان بمثابة خريطة ثابتة، محددة للأبد بمجرد بنائها، تنتظر البحث فيها كلما طُرح سؤال.
لكن ماذا لو لم تكن تلك المكتبة جامدة كما كنا نعتقد؟ ماذا لو لم يكن الروبوت مجرد باحث عن خريطة، بل يقوم فعليًا برسم خريطة جديدة في كل مرة تتحدث إليه فيها، بناءً على ما قلته للتو؟ هذا هو السؤال الكبير الذي يطرحه العلماء حول "نماذج اللغات الكبيرة" (الاسم الفاخر لهذه الروبوتات الآلية العملاقة). إنهم يريدون معرفة: هل فهم الروبوت للعالم هو حقيقة مخزنة ودائمة، أم أنه شكل مرن يتغير بناءً على المحادثة؟ فهم هذا يساعدنا في معرفة ما إذا كانت هذه الروبوتات "تعرف" الأشياء حقًا أم أنها مجرد بارعة للغاية في اتباع قواعد اللحظة الراهنة.
اكتشاف الورقة البحثية الكبير: قاعدة "السياق هو الملك"
قرر فريق من الباحثين في "Zenity" اختبار هذه الفكرة من خلال تجربة ممتعة ومشاكسة نوعًا ما. طرحوا سؤالًا بسيطًا: إذا أخبرت الروبوت بقاعدة مختلقة تمامًا حول كيفية عمل العالم، فهل سيصدقك، أم سيتشبث بما تعلمه من قبل؟
لقد أخذوا نماذج مثل "Gemma" و"Qwen" (وهي نسخ متقدمة جدًا من الروبات المذكورة أعلاه) وأعطوهم تقويمًا "مُعاد تعريفه". تخيل أنك تقول للروبوت: "هيا، انسَ كل ما تعرفه. في هذا العالم الجديد، الترتيب الوحيد الصحيح للأيام هو الأربعاء، ثم الاثنين، ثم الجمعة". لم يعطوا الروبوت أي أمثلة ليتعلم منها؛ بل ذكروا القاعدة كحقيقة فقط.
النتيجة الصادمة: لم يتظاهر الروبوت باتباع القاعدة فحسب؛ بل قام فعليًا بإعادة صياغة هيكل عقله ليتناسب معها.
عندما نظر الباحثون داخل "عقل" الروبوت (تحديدًا الأنماط الرياضية التي ينشئها قبل الإجابة مباشرة)، وجدوا شيئًا مذهلاً. لم يكتفِ الروبوت بقول الكلمات "الأربعاء، الاثنين، الجمعة"، بل قام فعليًا بترتيب مفاهيم تلك الأيام في شكل جديد تمامًا في عقله يطابق القاعدة الجديدة.
- الرؤية القديمة: الروبوت لديه دائرة ثابتة للأيام.
- الرؤية الجديدة: الروبوت يرسم شكلًا جديدًا في اللحظة ذاتها. إذا قلت له إن الأيام في دائرة، فستشكل دائرة. إذا قلت له إنها في خط مستقيم، فستشكل خطًا. إذا قلت له إنها شجرة عائلة، فستصبح شجرة.
تسمي الورقة البحثية هذا "السياق هو الملك". الشيء الأكثر أهمية ليس ما تعلمه الروبوت في الماضي (معرفته السابقة المسبقة)، بل ما تخبره به الآن (المواصفات المحددة في السياق). عقل الروبوت مرن للغاية لدرجة أنه عندما تعطيه قاعدة جديدة قوية، فإن الشكل الجديد الذي يبنيه يهيمن على الهيكل المخزن قديمًا. الخريطة القديمة لا تختفي للأبد؛ فهي لا تزال حقيقية ومخزنة في الأوزان، ولكن بمجرد أن يتعارض السياق معها، ينتقل الروبوت إلى استخدام الخريطة الجديدة المحددة بالسياق.
كيف أثبتوا ذلك (الخدعة السحرية)
للتأكد من أن الروبوت لا يتظاهر فقط، أجرى الباحثون تجربة "الترقيع السببي" (causal patching). هذه تشبه خدعة سحرية حيث تقوم باستبدال عقل شخصية بأخرى لترى ما سيحدث.
- أخبروا الروبوت بالترتيب الغريب الجديد للأيام.
- أخذوا "إشارة الدماغ" ليوم "الاثنين" واستبدلوها بإشارة يوم "الأربعاء".
- سألوا الروبوت: "ماذا يأتي بعد الاثنين؟"
لو كان الروبوت مجرد باحث عن قائمة مخزنة، لكان قد ارتبك أو أعطى إجابة خاطئة. ولكن لأن الروبوت قد بنى خريطة جديدة بناءً على قاعدتك، فقد أجاب بناءً على الخريطة الجديدة. قال إن اليوم الذي يلي "الاثنين" هو ما قالت القاعدة الجديدة أنه يأتي بعد "الاثنين"، رغم أن "الاثنين" كان يعمل الآن كـ "الأربعاء". أثبت هذا أن الروبوت كان يستخدم بالفعل الشكل الجديد الذي بناه للتو، وليس مجرد استرجاع حقائق قديمة.
العائق: الأمر يعتمد على حجم الروبوت
هنا تكمن المفاجأة: ليست كل الروبوتات متساوية في هذه القدرة. وجد الباحثون أن هذه القدرة على إعادة رسم خريطة عالمها بالكامل تعتمد بشكل كبير على حجم الروبوت.
- الروبوتات الكبيرة (مثل Gemma-31B و Qwen-27B): هذه هي الروبوتات فائقة الذكاء. يمكنها سماع قاعدتك الجديدة، وإلغاء الخريطة القديمة، ورسم شكل جديد مثالي ونظيف. في المطالبات المباشرة والبسيطة، تتبع الترتيب الجديد بدقة تقارب الكمال (محققة نسبة نجاح 100% في الاختبارات). ومع ذلك، حتى بالنسبة لهذه النماذج الكبيرة، يمكن أن ينخفض الأداء إذا أصبحت المهمة أصعب (مثل اتخاذ خطوات عديدة في الترتيب الجديد) أو إذا سُمح لها بالتفكير بصوت عالٍ بطريقة "حرة" دون تعليمات صارمة.
- الروبوتات الصغيرة (مثل Gemma-2B أو Qwen-4B): هذه هي النماذج الأصغر والأحدث. يمكنها سماع القاعدة ومحاولة رسم شكل جديد، لكن الأمر يكون فوضويًا. يشبه الأمر محاولتهم رسم دائرة مثالية بيد مرتجفة. قد يفهمون الفكرة العامة، لكنهم لا يستطيعون التخلي تمامًا عن ذكرياتهم القديمة. أحيانًا، حتى يعودون إلى طريقة تفكيرهم القديمة، أو يفشلون في بناء خريطة قابلة للاستخدام على الإطلاق.
تشير الورقة البحثية إلى أن "بناء" شكل جديد أمر سهل حتى بالنسبة للروبوتات الصغيرة، لكن "استخدام" ذلك الشكل بدقة ونقاء هو مهارة لا تأتي إلا مع الحجم. إنه مثل كيف يمكن للطفل أن يتعلم لعبة جديدة، لكن لا يمكن إلا للمعلم المتمكن أن يلعبها ببراعة دون ارتكاب أخطاء.
ماذا يعني هذا للمستقبل
تغير هذه الدراسة طريقة تفكيرنا في الذكاء الاصطناوي. إنها تشير إلى أن هذه النماذج لا تملك "رؤية واحدة ثابتة" للعالم محبوسة بداخلها. بدلاً من ذلك، فإن فهمها للعالم مرن. إنه مثل الحرباء التي تغير ألوانها ليس فقط لتناسب الخلفية، بل لتناسب القصة التي ترويها لها.
إذا أخبرت ذكاءً اصطناعيًا قادرًا أن العالم مسطح، فقد يرتب أفكاره مؤقتًا كما لو كان العالم مسطحًا. إذا أخبرته أن أيام الأسبوع في شجرة، فسيبني شجرة. "الحقيقة" داخل الذكاء الاصطناعي ليست حقيقة ثابتة؛ بل هي عملية حسابية تحدث في تلك اللحظة، يشكلها السياق.
الباحثون حذرون في قولهم إنهم لا يعرفون بالضبط كيف يبني الروبوت هذه الأشكال من الصفر أو ما إذا كان يعيد فقط ترتيب الأثاث القديم. لكن شيئًا واحدًا واضح: الروبوت يستمع إليك، وهو يغير رأيه ليتناسب مع قصتك. السياق الذي تقدمه هو الملك، والروبوت هو تابع مخلص ومتحول للشكل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.