قدّم الباحثون في عملاق التكنولوجيا، مايكروسوفت"، استراتيجية "خوارزمية الأفكار" (AoT) الجديدة، التي طُورت خصيصاً لتعزيز قدرة نماذج اللغة الكبيرة (LLMs) على التحليل والتفكير دون الحاجة إلى مصادر خارجية مُساعدة. 

يهدف هذا النهج المبتكر أيضاً إلى معالجة القيود التي تعاني منها استراتيجية "سلسلة الأفكار" الحالية، والتي تتطلب في كثير من الأحيان تكرار وقف واستئناف العمليات الابداعية، مما يؤدي إلى زيادة التكاليف الحسابية واستهلاك الطاقة.

تُسخّر الاستراتيجية الجديدة (AoT) قوة التفكير الخوارزمي من أجل توجيه نماذج اللغة الكبيرة (LLMs) بطريقةٍ تسمح لهم باستكشاف الأفكار بشكلٍ أكثر كفاءة بعد طرح سؤالٍ واحد أو عدد قليل من الاستعلامات.

ووفقاً للورقة البحثية التي نشرتها مايكروسوفت، لا تتفوق هذه الطريقة على تقنيات الاستعلام الفردي السابقة فحسب، بل تتطابق أيضاً مع أداء استراتيجيات الاستعلام المتعدد التي تعتمد على خوارزميات البحث الشجري الشاملة.

وقد أشارت النتائج الأولية إلى قدرة نماذج اللغة الكبيرة على التفوق على الخوارزمية نفسها التي بُنيت عليها، وذلك لقدرة (LLMs) على دمج قدراتها التحليلية والبديهية بعمليات البحث المحسنة.

أظهرت التطورات الأخيرة التي شهدها فضاء الذكاء الاصطناعي، فعالية نماذج اللغة الكبيرة في مختلف المجالات، بدءاً بحل المشكلات ووصولاً إلى إنشاء التعليمات البرمجية واتباع التعليمات. وفي حين قدمت النماذج المُبكرة من (LLMs) إجاباتٍ مباشرة على الاستفسارات، تحولت الأبحاث المعاصرة نحو تقسيم المشكلات إلى مهام فرعية واستخدام آليات خارجية لتعديل آلية توليد النتائج.

وهنا يأتي دور "خوارمية الأفكار" التي طُورت خصيصاً لتعزيز الطبيعة الاستكشافية التي تمتلكها نماذج اللغة (LLMs) بالفعل، مما يسمح لها بالتنقل ديناميكياً عبر المشكلات والنتائج بطريقةٍ مُماثلةٍ للبحث الخوارزمي.

تُشير الصورة أعلاه إلى الفورقات بين الخوارزميات المُختلفة . المصدر

تتمثل أحد التحديات الهامة التي تسعى "خوارزمية الأفكار" لمعالجتها، بالاعتماد المفرط لنماذج اللغة على الاستعلامات المُتعددة من أجل إعطاء الإجابة الصحيحة، الأمر الذي يفرضُ تكاليفاً إضافيةً، ويؤثر بشكلٍ سلبي على الوقت الذي تتطلبه النماذج للاستجابة.

 وعلاوةً على ذلك، لا يمكن التغاضي عن التأثير البيئي للنماذج التقليدية التي تتطلب استهلاك مزيدٍ من الطاقة.

تهدف الخوارزمية الجديدة إلى التقليل من الاستفسارات المُتكررة وتعزيز الاستخدام الأكثر استدامة لموارد الذكاء الاصطناعي، كما تسعى إلى دمج الاستدلال البشري بالمنهجيات الخوارزمية لتعزيز قدرات الاستدلال لدى (LLMs).

ومن خلال استخدام الأمثلة الخوارزمية المبنية بشكلٍ أساسي على قدرة نماذج اللغة على الاستكشاف، تُقدم الاستراتيجية الجديدة نموذجاُ جديداُ للتعلم والتحليل حسب السياق.

مقالات ذات صلة: إيلون ماسك يتّهم الشركة الأم لفيسبوك بالخِداع والتّلاعب بالحقائق

أظهرت التجارب التي أُجريت باستخدام الخوارزمية الجديدة نتائجاً واعدةً، خاصةً عند اختبار قدراتها التحليلية من خلال ألعاب الذكاء، مثل لعبة 24 والكلمات المتقاطعة المصغرة.

وعلى الرغم من قدراتها الاستكشافية الهائلة، تستخدم "خوارزمية الأفكار" موارداً أقل مقارنةً بالنماذج القياسية، مما يجعلها حلاً فعالاً من حيث التكلفة.

وتجدر الإشارة إلى وجود عقباتٍ تحول دون الاستفادة المُثلى من الخوارزمية الجديدة، إذ كانت كافة النتائج الواعدة مبنية على نماذج لغة حديثة، مثل GPT-4، مما يشير إلى أن النماذج ذات القدرات الأقل قد لا تستفيد كثيراً من النهج الجديد، وفقاً لما نصت عليه الورقة البحثية.