Does Episodic Memory Help Close the Lexical Frequency Gap in Sensitivity to Syntactic Contrasts? A Test Using Retrieval-Augmented Language Models

تعد اللغة البشرية نظاماً شاسعاً ومعقداً، حيث نزاوج باستمرار بين قواعد النحو والكلمات المحددة التي نختار قولها. ولعقود من الزمن، ناقش العلماء كيفية إدارة أدمغتنا لهذا التوازن. نحن نعلم أن الناس يمكنهم فهم الجمل المعقدة حتى عندما تحتوي على كلمات نادرة أو غير مألوفة، مما يشير إلى أن معرفتنا بالقواعد قوية ولا تتزعزع بسهولة بسبب مدى تكرار مصطلح معين. ومع ذلك، فإن أنظمة الذكاء الاصطناعي المصممة لمحاكاة اللغة البشرية قد عانت من هذه المهمة نفسها؛ فهذه النماذج الحاسوبية، التي تتعلم من خلال القراءة المكثفة للنصوص، غالباً ما تتعثر عندما يُطلب منها الحكم على قواعد الجمل التي تحتوي على كلمات مرت بها مرات قليلة جداً أثناء تدريبها. يبدو أنها تعتمد بشكل مفرط على مدى ألفة الكلمة، بدلاً من القواعد الهيكلية التي تحكم كيفية ترابط الكلمات معاً. وتثير هذه الفجوة بين المرونة البشرية وهشاشة الآلة سؤالاً جوهرياً: ما هي الآلية التي تسمح للبشر بالتعامل مع النادر وغير المألوف بكل سهولة؟

تقدم إحدى النظريات الرائدة في علم الأعصاب، والمعروفة باسم نظرية "أنظمة التعلم المتكاملة"، تفسيراً مقنعاً. تقترح هذه النظرية أن الدماغ البشري يستخدم نظامي ذاكرة متميزين يعملان جنباً إلى جنب. أحد النظامين، الموجود في القشرة المخية الجديدة، يمتص ببطء الأنماط الإحصائية العامة من التجربة، تماماً مثل تعلم الإيقاعات العامة للغة. أما النظام الآخر، الذي يتمركز في الحصين، فيعمل كمسجل سريع للأحداث المحددة، حيث يخزن التجارب الفردية بتفاصيل دقيقة. وعندما نواجه شيئاً نادراً أو جديداً، يمكن لهذا النظام السريع استرجاع تجربة ماضية محددة تطابق الموقف الحالي فوراً، مما يسمح لنا بفهمه دون انتظار التعلم العام البطيء ليلحق بالركب. وقد تساءل الباحثون طويلاً عما إذا كان نظام الذاكرة العرضية هذا هو المفتاح وراء بقاء البشر حساسين تجاه القواعد حتى عندما تكون الكلمات غير شائعة. ولاختبار هذه الفكرة، قام فريق من العلماء مؤخراً ببناء نموذج حاسوبي يحاكي نظام الذاكرة ثنائي الأجزاء هذا ووضعه قيد الاختبار.

لقد سعى الباحثون لمعرفة ما إذا كان منح نموذج لغوي وسيلة لتذكر واسترجاع أمثلة ماضية محددة سيساعده على التغلب على انحيازه نحو الكلمات الشائعة. استخدموا تقنية تسمى "تعزيز الاسترجاع"، والتي تعمل كنسخة رقمية من نظام ذاكرة الحصين. في هذا الإعداد، يعمل النموذج اللغوي الرئيسي كمتعلم بطيء، يحتفظ بالمعرفة العامة حول كيفية ترابط الكلمات عادةً. وملحق به قاعدة بيانات خارجية ضخمة تخزن كل جملة رآها النموذج، جنباً إلى جنب مع السياق المحدد الذي ظهرت فيه. وعندما يواجه النموذج جملة جديدة، وبدلاً من الاعتماد فقط على ذاكرته الداخلية، يمكنه البحث فوراً في هذه القاعدة عن أمثلة ماضية مماثلة واستخدامها للمساعدة في اتخاذ قرار. تتيح هذه العملية للنموذج الاعتماد على ذكريات محددة وملموسة عندما تكون معرفته العامة ضعيفة، محاكياً بذلك الطريقة التي قد يسترجع بها الإنسان محادثة معينة لفهم بنية نحوية صعبة.

اختبر الفريق هذا النهج باستخدام ثلاثة أنواع مختلفة من الألغاز النحوية: توافق الفاعل والفعل، والأسئلة التي تبدأ بـ "من" أو "ماذا"، والجمل الموصولة المعقدة. قاموا بإنشاء جمل اختبارية باستخدام كلمات ظهرت بشكل متكرر في بيانات التدريب وأخرى ظهرت نادراً جداً. وكما كان متوقعاً، أدى النموذج القياسي بدون مساعدة الذاكرة أداءً جيداً في الجمل ذات الكلمات الشائعة، لكنه عانى بشكل كبير في الجمل التي تحتوي على كلمات نادرة. كانت الفجوة في الأداء واضحة: انخفضت قدرة النموذج على الحكم على القواعد بشكل حاد كلما أصبحت الكلمات أقل ألفة. ومع ذلك، عندما قام الباحثون بتفعيل نظام الاسترجاع، تغيرت النتائج. أظهر النموذج الذي يمكنه البحث عن أمثلة ماضية تحسناً ملحوظاً في التعامل مع الكلمات النادرة. وتقلصت فجوة الأداء بين الكلمات الشائعة وغير الشائعة بشكل كبير، مما يشير إلى أن القدرة على استدعاء ذكريات محددة تساعد بالفعل في التعويض عن نقص الألفة العامة.

ومع ذلك، فإن القصة لا تنتهي بحل مثالي. فرغم أن مساعدة الذاكرة قد ساعدت، إلا أنها لم تمحُ الصعوبة تماماً. فحتى مع القدرة على استرجاع الأمثلة الماضية، ظل أداء النموذج أسوأ قليلاً في الكلمات النادرة مقارداً بالكلمات الشائعة. ووجد الباحثون أن نجاح نظام الذاكرة هذا يعتمد بشدة على نوع المعلومات التي يسترجعها. فعندما أُجبر النظام على النظر فقط في المعنى العام للكلمات، متجاهلاً بنيتها النحوية، لم يقدم أي مساعدة تذكر. لم يعمل الاسترجاع بشكل جيد إلا عندما تمكن النظام من إيجاد أمثلة تطابق الشكل النحوي المحدد للجملة التي يحاول حلها. ويشير هذا إلى أنه لكي تكون هذه الذاكرة مفيدة، يجب أن تكون قادرة على التعرف على الأنماط الهيكلية واستدعائها، وليس فقط التشابهات الدلالية. علاوة على ذلك، اكتشف الباحثون أنه لا توجد طريقة واحدة "مثلى" لإعداد نظام الذاكرة هذا؛ إذ تباين العدد الأمثل للأمثلة التي يتم استرجاعها وحجم نافذة السياق اعتماداً على اللغز النحوي المحدد وتعقيد المهمة، مما يشير إلى ضرية الحاجة إلى نهج مرن ومتكيف بدلاً من قاعدة ثابتة.

تقدم النتائج دليلاً قوياً على صحة فكرة أن الذاكرة العرضية تلعب دوراً حاسماً في معالجة اللغة. ومن خلال إظهار أن النموذج الحاسوبي يمكن أن يصبح أكثر متانة ضد تكرار الكلمات بمجرد إضافة آلية لاسترجاع تجارب ماضية محددة، تدعم الدراسة النظرية القائلة بأن الدماغ البشري يستخدم استراتيجية مماثلة. ويخلص الباحثون إلى أنه بينما تعد آلية الذاكرة هذه قوية، إلا أنها ليست حلاً سحرياً. فلكي تغلق الأنظمة المستقبلية الفجوة تماماً بين أداء الآلة والإنسان، ستحتاج إلى أن تصبح أفضل في تحديد المطابقات الهيكلية الصحيحة، وتوزين أهمية الذكريات المختلفة، وتكييف استراتيجيات الاسترجاع الخاصة بها مع المتطلبات المحددة للحظة. ويؤكد هذا العمل أن القدرة على تذكر حالات محددة هي أداة حيوية للتنقل في تعقيدات اللغة، حتى وإن كانت هذه الأداة لا تزال بحاجة إلى المزيد من الصقل.