باحثون يطلقون طريقة جديدة لتحسين دقة الاستدلال في الذكاء الاصطناعي

قدم باحثون تقنية جديدة تسمى Exploration-Preserving Policy Optimization، أو اختصاراً ExPPO، لتحسين كيفية تعلم الذكاء الاصطناعي للمنطق. غالباً ما تتعثر نماذج الذكاء الاصطناعي في تكرار نفس الإجابات، مما يحد من قدرتها على إيجاد حلول أفضل.

تغير ExPPO الطريقة التي تتلقى بها النماذج التقييم أثناء التدريب. بدلاً من مكافأة النموذج بناءً على تكرار استجابة معينة فقط، توزع هذه الطريقة الجديدة الفضل بشكل أكثر عدالة بين الإجابات المختلفة والصحيحة. وهي تستخدم حساباً يعتمد على مدى غرابة الاستجابة وعدد مرات اجتيازها لاختبارات التحقق.

يساعد هذا النهج في الحفاظ على تنوع الإجابات التي يقدمها الذكاء الاصطناعي. تخيل معلماً يكافئ طالباً لأنه وجد عدة طرق مختلفة لحل مسألة رياضية بدلاً من تكرار الطريقة الوحيدة التي يعرفها مسبقاً.

أظهرت التجارب أن هذه الطريقة تحسن قدرة الذكاء الاصطناعي على التعامل مع أنواع مألوفة وجديدة من مسائل المنطق. كما أنها تؤدي إلى دقة أكثر اتساقاً وتضمن عدم تركيز النموذج على نوع واحد فقط من النتائج.

هل لاحظت يوماً كيف يمكن للذكاء الاصطناعي أن يعطيك نفس الإجابة حتى لو طرحت السؤال بطرق مختلفة قليلاً؟

تعد ExPPO حالياً طريقة بحثية مصممة لتحسين كفاءة التدريب. يركز التحليل على الأداء في بيئات خاضعة للرقابة، وقد لا يعكس بالضرورة نتائج النشر في العالم الحقيقي عبر جميع أنواع نماذج اللغة الضخمة.