النماذج اللغوية تفتقر لآليات الاستدلال الحقيقية
كشف تحليل منشور في مجلة MIT Technology Review عن قصور بنيوي في قدرات نماذج اللغات الكبيرة على التفسير الحقيقي، مستنداً إلى مقارنة معمارية بين عمل النماذج الحالية وخوارزمية ألفا جو التاريخية. ويستحضر الكاتب حادثة سيؤول عام 2016، مع التركيز على الخطوة 37 التي طمست روايتها الصحفية الفرق بين الحدس الآلي والبحث المنهجي. فقد كشف التحليل أن اختيار الخوارزمية لم يكن انفعالاً عشوائياً، بل نتاج تفاعل دقيق بين شبكة سياسات سريعة لتوليد الاحتمالات، وآلية بحث صريحة تقيم العواقب المستقبلية عبر شجرة قرارات واضحة وقابلة للتدقيق. يوضح المقال أن نماذج اللغات الكبيرة تعمل حالياً ضمن نمط المعالجة السريع المعتمد على التنبؤ بالرموز التالية، دون امتلاك حالة إدراكية دائمة أو سجل مرجعي يمكن فحصه. وحتى عند تفعيل سلاسل التفكير، يظل التوليد تابعاً لنفس آلية النمذجة اللغوية، وغالباً ما تُصاغ كسرد تبريري لاحق لا يعكس المسار الفعلي للحساب. ونتيجة لذلك، تظل المعرفة وآلية معالجتها مدمجتين في أوزان الشبكات العصبية، مما يعيق تتبع مصادر الخطأ أو التحقق من صحة الافتراضات في البيئات عالية المخاطر. ويدعو الباحثان المقترحان، أحدهما من خريجي جوجل ديب مايند، إلى معمارية ذكاء اصطناعي بديلة تجمع بين التوليد البديهي والتدقيق المنهجي. تقترح الفكرة نظاماً يحافظ على حالة معرفية صريحة، حيث تُفكك المشكلات المعقدة، وتقيم البدائل، وتعدّل المعتقدات فقط عند دعمها ببيانات أو استعلامات خارجية عبر أدوات محاكاة وواجهات برمجية. ويعتمد هذا النهج على فصل واضح بين ما يمتلكه النظام من معلومات وكيفية معالجتها، مع وجود وحدة مستقلة لتقييم مدى تقليل كل خطوة للشكوك، مما يحول عملية الاستدلال إلى منهجية علمية قابلة للمراجعة. ينتهي التقرير بالتأكيد على أن مجرد زيادة حجم النماذج لن يحول التنبؤ الإحصائي إلى تفسير دقيق. ففي المجالات الحيوية مثل اكتشاف الأدوية، وعلوم المواد، والتشخيص الطبي، يتطلب التقدم الفعلي أنظمة قادرة على توليد مسارات استنتاجية شفافة وقابلة للمساءلة، بدلاً من الاعتماد على توليد لغوي سلس لكنه غير قابل للتدقيق. وتظل الخطوة 37 أيقونة تذكيلية بأهمية البحث الصريح والتقييم المنهجي في دفع عجلة الابتكار الآلي نحو نضج حقيقي.
