نماذج اللغة الكبيرة مثل تشات جي بي تي قادرة على كتابة مقال أو تخطيط قائمة طعام في لحظة لكنها كانت تفشل في المهام الحسابية والتفكير المعقد حتى وقت قريب. لكن ظهور جيل جديد من النماذج يُعرف بـ"نماذج التفكير" أحدث تحوّلاً ملحوظاً. هذه النماذج تُدرّب لحل المشكلات المعقدة بخطوات متسلسلة كي تُشبه الطريقة التي يفكر بها الإنسان. دراسة أجرتها فريق بحثي من معهد مكغورن للبحوث العصبية في ماساتشوستس تاكدت أن المهام التي تتطلب أقصى قدر من التفكير من النماذج هي نفسها التي تُستهلك وقتاً أطول من قبل البشر. وتشير النتائج المنشورة في دورية PNAS إلى أن "تكلفة التفكير" في النماذج تشبه تكلفة التفكير البشري، رغم أن هذا التشابه لم يكن مقصوداً في التصميم. بحسب إيفيلينا فدوريينكو أستاذة علوم الدماغ والتفكير في المعهد، لا يهتم مطورو النماذج بكيفية التفكير بل يهتمون بالدقة والموثوقية. ووجود تشابه طبيعي في الأداء يُعدّ مفاجأة ملحوظة. تُعد نماذج التفكير نماذج عصبية اصطناعية تتعلم من خلال بيانات مدخلة ومشكلات مطروحة. وقد أظهرت نماذج مماثلة تقدماً كبيراً في مهام تشبه وظائف الدماغ البشري. ورغم أن بعض العلماء كانوا يشككون في قدرة النماذج على التفكير المنطقي، إلا أن ظهور هذه النماذج المتطورة أعاد تقييم الموقف. وفقاً لآندريا جريجور دي فاردا الباحث في مختبر فدوريينكو، تُحل المشكلات بخطوات منظمة. وعندما سُمح للنماذج بتفكيك المشكلات، تحسّنت أداؤها بشكل كبير. وتم تدريبها باستخدام التعلم المُعزّز حيث تُكافأ على الإجابات الصحيحة وتُعاقب على الأخطاء، مما يشجعها على استكشاف مساحات الحلول. لقياس مقدار الجهد المطلوب، قام دي فاردا بمقارنة أداء النماذج مع متطوعين بشريين في سبعة أنواع من المشكلات من الحساب إلى التفكير التأملي. قُيس الوقت بالميلي ثانية لدى البشر، بينما استُخدمت "الرُّموز" كمقياس داخلي للنماذج، وهي وحدات تُنتجها النماذج في سلسلة تفكير داخلي لا تُعرض على المستخدم. وتبين أن كلما زادت صعوبة المهمة، زاد الوقت الذي يأخذه الإنسان، وازداد عدد الرموز التي تُنتجها النموذج. وتماشياً مع ذلك، كانت مهام "ARC challenge" التي تتطلب استنتاج تحولات من مصفوفات ملونة من أكثر المهام تكلفة على كلا الطرفين. يُفسر الباحثون هذا التماثل في تكلفة التفكير بأنه دليل على تشابه في نمط التفكير، لكنه لا يعني أن النماذج تُقلّد العقل البشري. ما يزال مجهولاً ما إذا كانت تستخدم تمثيلات مماثلة للدماغ البشري، وكيف تحوّل هذه التمثيلات إلى حلول. كما يثير تساؤل حول قدرتها على التعامل مع معرفة عالمية غير مذكورة في نصوص التدريب. ورغم أن النماذج تُنتج محادثات داخلية، فإن هذه المحادثات غالبًا ما تحتوي على أخطاء، ما يشير إلى أن الحسابات الحقيقية تتم في فضاء افتراضي غير لغوي، كما يحدث في التفكير البشري. هذا التشابه يفتح آفاقاً جديدة لفهم الذكاء الاصطناعي وعلاقته بالذكاء البشري.