يعد التفكير المتسلسل أسلوبًا قويًا يعزز القدرات المعرفية لنماذج الذكاء الاصطناعي من خلال تقسيم المهام المعقدة إلى خطوات أصغر. يعمل هذا النهج القائم على السرعة على تحسين إمكانية تفسير النموذج، ويمكّن من حل المشكلات بشكل فعال في مجالات مختلفة، ولديه القدرة على إحداث ثورة في مجالات مثل المسائل الرياضية اللفظية، والتفكير المنطقي، والتلاعب الرمزي. ومن خلال الاستفادة من التفكير المتسلسل، يمكن لنماذج الذكاء الاصطناعي أن تظهر قدرات معرفية أقوى وتوفر رؤى قيمة في عملية صنع القرار.
في الآونة الأخيرة، حقق الذكاء الاصطناعي (AI) تقدمًا ملحوظًا في معالجة اللغة الطبيعية (NLP). ويرجع ذلك في المقام الأول إلى قدرته على تدريب نماذج واسعة النطاق باستخدام البيانات النصية. ومع تطور نماذج اللغة هذه، أصبح الذكاء الاصطناعي بارعًا في مهام مثل تحليل المشاعر ، والترجمة الآلية، وتوليد النص، والتلخيص.
ومع ذلك، على الرغم من هذه التطورات، لا يزال الذكاء الاصطناعي يعاني من قدراته المعرفية عندما يتعلق الأمر بمعالجة مهام الاستدلال متعددة الخطوات مثل المسائل اللفظية الرياضية والتفكير الرمزي والمنطقي.
تقدم هذه المقالة أحدث التطورات المعروفة باسم استدلال سلسلة الأفكار (CoT)، وهي تقنية تعتمد على السرعة تمكن نماذج الذكاء الاصطناعي من إظهار القدرات المعرفية.
ما هي المطالبة؟
المطالبة عبارة عن تعليمات للنموذج لإنشاء استجابة. إنه مشابه لمطالبة شخص ما بكتابة مقال حول موضوع معين. على غرار الكتّاب البشر، تستخدم نماذج الذكاء الاصطناعي المطالبات كأساس لكتابة المقالات أو توليد الاستجابات.
يمكننا مطالبة نماذج اللغة مثل ChatGPT باستعلامات بسيطة مثل "من هو ملك المملكة المتحدة؟" للمشاكل المعقدة مع وصف تفصيلي للمهمة. حتى طلبًا مثل "أخبرني نكتة" يمكن اعتباره مطالبة مفتوحة.
كيف تعمل الهندسة السريعة؟
تتعامل الهندسة السريعة مع إنشاء وتصميم المطالبات التي تمكن نماذج الذكاء الاصطناعي من أداء مهام محددة. خلال هذه العملية، من الضروري اختيار البيانات وتنسيق الموجه بعناية للتأكد من أن النموذج يمكنه الاستفادة منه بشكل فعال لتنفيذ المهمة.
على سبيل المثال، إذا كنا نهدف إلى تحديد المشاعر المتعلقة بمراجعة الفيلم "لا تشاهده"، فيمكننا إضافة الموجه "إنه" إلى الجملة، مما يجعلها "لا تشاهده". إنها ____." في هذه الحالة، نتوقع احتمالًا أعلى من النموذج اللغوي لتوليد كلمة "فظيع" بدلاً من كلمة "عظيم".
الهدف من هندسة الذكاء الاصطناعي السريع هو إنشاء مطالبات عالية الجودة تسمح لنموذج الذكاء الاصطناعي بإجراء تنبؤات دقيقة.
التعلم المبني على السرعة
يمكن أيضًا استخدام المطالبات لتعليم نموذج الذكاء الاصطناعي لتحقيق النتائج المرجوة. تتضمن هذه التقنية، المعروفة باسم التعلم الفوري، تزويد النموذج بالاستعلامات والإجابات الصحيحة قبل مطالبته بالإجابة على استفسارات أخرى.
على سبيل المثال، يمكننا أن نطرح على النموذج بعض الأسئلة الرقمية وإجاباتها، ونطلب منه حل أسئلة أخرى:
س: كان في الكافتيريا 23 تفاحة. إذا استخدموا 20 تفاحة لإعداد الغداء واشتروا 6 تفاحات أخرى، فما عدد التفاحات التي لديهم؟
ج:9 س: يوجد 15 طالبًا في الفصل. إذا انضم 7 طلاب آخرين إلى الفصل، فكم عدد الطلاب الموجودين إجمالاً؟
ومع ذلك، فقد لوحظ أن المطالبات البسيطة، التي تتكون من سؤال وإجابته فقط، غالبًا ما تؤدي إلى نتائج غير صحيحة في المهام المعرفية مثل المسائل اللفظية الرياضية، والتفكير الرمزي، والتفكير المنطقي.
اقرا ايضا:5 طرق يمكن لـ LLMs من خلالها تمكين هندسة البرمجيات من هنا
ولمواجهة هذه التحديات، يعد التفكير المتسلسل تقنية جديدة واعدة مصممة خصيصًا لتمكين نماذج الذكاء الاصطناعي من معالجة هذه المهام المعرفية بنجاح.
استدلال سلسلة الفكر
في المطالبة القياسية، يتعلم النموذج من أمثلة الأسئلة والأجوبة ثم يتنبأ بإجابات الأسئلة الجديدة. من ناحية أخرى، تتناول سلسلة الأفكار المحفزة توجيه النموذج لتقسيم المشكلات المعقدة إلى خطوات أصغر وتوفير كل من خطوات الاستدلال الوسيطة والحل النهائي.
لقد استمدت سلسلة الأفكار إلهامها من الاستدلال الحسابي، حيث يتم استخدام منطق اللغة الطبيعية لبناء حجة، مما يؤدي إلى إنتاج الإجابة النهائية. يساعد هذا النموذج على معالجة المشكلات متعددة الخطوات بشكل أكثر فعالية لأنه يمكّن النموذج من تقسيم المشكلات المعقدة إلى خطوات أصغر ومريحة يمكن حلها بسهولة.
بالإضافة إلى ذلك، نظرًا لأن سلسلة الأفكار تعتمد على اللغة، فيمكن تطبيقها على أي مهمة يمكن لأي شخص حلها باستخدام اللغة. يظهر أدناه مثال على الموجه القياسي مقابل الموجه المتسلسل للأفكار.
مثال على المطالبة القياسية مثال على سلسلة من الأفكار السريعة
سؤال تخيل أنك تخطط لرحلة برية مع أصدقائك. تريد حساب التكلفة الإجمالية للوقود للرحلة. المسافة بين نقطة البداية والوجهة هي 500 ميل، ومتوسط كفاءة استهلاك الوقود في سيارتك هو 30 ميلاً للغالون الواحد. ويبلغ سعر الوقود الحالي 3.50 دولارًا للغالون الواحد. احسب التكلفة الإجمالية المقدرة للوقود للرحلة. تخيل أنك تخطط لرحلة برية مع أصدقائك. تريد حساب التكلفة الإجمالية للوقود للرحلة. المسافة بين نقطة البداية والوجهة هي 500 ميل، ومتوسط كفاءة استهلاك الوقود في سيارتك هو 30 ميلاً للغالون الواحد. ويبلغ سعر الوقود الحالي 3.50 دولارًا للغالون الواحد. احسب التكلفة الإجمالية المقدرة للوقود للرحلة واشرح حساباتك خطوة بخطوة.
إجابة 59.50 دولارًا.
لحساب التكلفة الإجمالية للوقود، نحتاج إلى تحديد إجمالي عدد جالونات الوقود اللازمة للرحلة.
أولاً، دعونا نحسب عدد جالونات الوقود اللازمة لتغطية المسافة بأكملها. نقسم المسافة الإجمالية البالغة 500 ميل على متوسط كفاءة السيارة في استهلاك الوقود وهو 30 ميلًا لكل جالون: 500 ميل / 30 ميلًا لكل جالون = 16.67 جالونًا.
وبما أننا لا نستطيع الحصول على جزء من الجالون، فعلينا التقريب لأقرب عدد صحيح. ولذلك، سوف تحتاج السيارة إلى حوالي 17 جالونًا من الوقود طوال الرحلة.
بعد ذلك، نقوم بضرب إجمالي عدد الجالون (17) في سعر الجالون (3.50 دولارًا أمريكيًا) لإيجاد التكلفة الإجمالية للوقود: 17 جالونًا * 3.50 دولارًا أمريكيًا للجالون الواحد = 59.50 دولارًا أمريكيًا.
ولذلك، فإن التكلفة الإجمالية المقدرة للوقود للرحلة البرية هي 59.50 دولارًا.
فوائد تقنية سلسلة الفكر
تقدم سلسلة الأفكار العديد من المزايا عندما يتعلق الأمر بتعزيز القدرات المعرفية لنماذج الذكاء الاصطناعي:
تحليل المشكلة : تمكّن سلسلة الأفكار نماذج الذكاء الاصطناعي من تقسيم المشكلات المعقدة إلى خطوات متوسطة يسهل التعامل معها، مما يؤدي إلى حل مشكلات التفكير المعقدة متعددة الخطوات.
قابلية تفسير النموذج : من خلال تمكين نموذج الذكاء الاصطناعي من توليد خطوات تفكير وسيطة مع الحلول، توفر لنا سلسلة الأفكار طريقة لتفسير سلوك النموذج؛ كيف وصل النموذج إلى حل معين. يتيح لنا ذلك تحديد الأخطاء المحتملة وتصحيحها في مسار التفكير.
قابلية التطبيق على نطاق واسع : تبين أن التفكير المتسلسل مفيد في مختلف المهام، بما في ذلك المسائل اللفظية الرياضية، والتفكير المنطقي، والتلاعب الرمزي. في جوهرها، يمكن تطبيقها على أي مهمة يمكن للبشر حلها باستخدام اللغة، مما يجعلها نهجًا متعدد الاستخدامات.
التكامل السهل : يمكن بسهولة دمج التفكير المتسلسل في نماذج الذكاء الاصطناعي القائمة على اللغة. ولا يتطلب الأمر أي موارد حاسوبية إضافية لإعادة تدريب النماذج أو تحسينها. كل ما يحتاجه الأمر هو بعض الأمثلة المتسلسلة للأفكار التي ترشد النموذج إلى كيفية حل المشكلات.
لقد ثبت أن استخدام التفكير المتسلسل يؤدي إلى تحسين القدرات المعرفية لنماذج الذكاء الاصطناعي بشكل فعال في المجالات المذكورة أدناه.
الاستدلال الحسابي هو قدرة معرفية تتضمن مهارة حل المسائل الرياضية اللفظية عن طريق إجراء عمليات حسابية متعددة الخطوات. تساعد هذه القدرة الطلاب على تطوير استراتيجيات حل المشكلات التي تتطلب حل المشكلات الرياضية. لقد أثبت الباحثون أن سلسلة التفكير تساعد نماذج الذكاء الاصطناعي على تعلم هذه القدرة المعرفية.
يعد التفكير المنطقي مهارة معرفية مهمة تتعامل مع الإجابة على الأسئلة المتعلقة بالسيناريوهات اليومية من خلال استخلاص استنتاجات من المعرفة العامة. لقد أثبت العلماء أن سلسلة التفكير تسمح لنماذج الذكاء الاصطناعي بدمج هذه القدرة، مما يمكنهم من فهم المواقف الشائعة.
التفكير الرمزي هو مهارة معرفية أساسية تتضمن معالجة وتقييم التعبيرات الرمزية. وقد أفاد الباحثون أن تسلسل الأفكار يمكّن نماذج الذكاء الاصطناعي من هذه القدرة، والتي تمكنهم من أداء تفكير رمزي فعال في مجالات مختلفة.
الخاتمه
تعد سلسلة الأفكار نهجًا واعدًا لتعزيز القدرات المعرفية لنماذج الذكاء الاصطناعي، خاصة في مجالات مثل التفكير الحسابي، والتفكير المنطقي، والتفكير الرمزي.
وعلى النقيض من الموجه البسيط، فإن موجه سلسلة الأفكار يرشد النموذج إلى تقسيم المشكلات المعقدة إلى خطوات أصغر لإنتاج تفكير وسيط مع الحل النهائي.
لا تحل سلسلة الأفكار المهام المعرفية فحسب، بل توفر أيضًا نظرة ثاقبة للعمل الداخلي للنموذج. ويمكن أيضًا نشره بسهولة عبر مهام مختلفة، دون الحاجة إلى موارد حاسوبية إضافية.
ومن خلال المزيد من الاستكشاف وتحسين المنطق المتسلسل للأفكار، يمكننا تمكين نماذج الذكاء الاصطناعي لإظهار القدرات المعرفية المحسنة بشكل فعال.
مرحبا بكم في جريدة وموقع كلام فور يو