يشير الاستدلال إلى العملية التي تتوصل من خلالها أنظمة الذكاء الاصطناعي إلى استنتاجات جديدة عبر التحليل والاستنتاج والحكم بناءً على المعلومات والقواعد والمعارف والملاحظات الموجودة. وتُعدّ القدرة على الاستدلال عنصرًا أساسيًا في قدرة الذكاء الاصطناعي على حل المشكلات المعقدة، واتخاذ قرارات التخطيط، وتطبيق المعرفة، وتشمل جوانب متعددة مثل الاستدلال المنطقي، والاستدلال الاحتمالي، والتحليل السببي، وتكامل المعلومات متعدد المراحل.

لم يظهر التفكير المنطقي في الذكاء الاصطناعي مع ظهور نماذج اللغة الضخمة؛ بل يمكن تتبع تاريخ أبحاثه إلى أساليب الذكاء الاصطناعي المبكرة مثل التفكير الرمزي، وأنظمة الخبراء، وتمثيل المعرفة. ومع تطور التعلم الآلي والتعلم العميق، استكشف الباحثون تدريجيًا كيفية تمكين نماذج الشبكات العصبية من امتلاك قدرات تفكير أكثر تعقيدًا. في عام 2022، نشر باحثون من جوجل للأبحاث ورقة بحثية... تحفيز سلسلة الأفكار يثير التفكير في نماذج اللغة الكبيرة تم اقتراح أسلوب تلميح سلسلة الأفكار (CoT)، الذي يوجه عملية توليد خطوات الاستدلال الوسيطة في نماذج اللغة الكبيرة، مما يحسن أداء النموذج في الاستدلال الرياضي، والاستدلال المنطقي، والمهام المعقدة. وقد أصبح هذا الأسلوب من الأعمال الرائدة في مجال أبحاث الاستدلال في نماذج اللغة الكبيرة.

تُعالج تقنيات الاستدلال الحديثة في الذكاء الاصطناعي بشكل أساسي مشكلة اعتماد نماذج التعلم العميق التقليدية على مطابقة الأنماط السطحية، ومعاناتها في التحليل متعدد الخطوات للمهام المعقدة. ومن خلال إدخال تمثيلات وسيطة للعمليات، واستدعاء الأدوات، واسترجاع المعرفة الخارجية، وآليات التحقق، تستطيع الأنظمة الذكية الحديثة إجراء تحليل أكثر منهجية للمعلومات وإصدار أحكام أكثر دقة أثناء تنفيذ المهام. فعلى سبيل المثال، تهدف أساليب مثل الاستدلال المتسلسل في نماذج اللغة الكبيرة، ونماذج اللغة المدعومة بالبرمجة (PAL)، والاستدلال المعزز بالاسترجاع، إلى تعزيز قدرة النموذج على التعامل مع المشكلات المعقدة.

في السنوات الأخيرة، ومع تطور نماذج اللغة الضخمة وتقنيات الوكلاء، أصبحت القدرة على الاستدلال أحد أهم مؤشرات قياس قدرات أنظمة الذكاء الاصطناعي. وقد طُبقت التقنيات ذات الصلة على نطاق واسع في مجالات مثل حل المسائل الرياضية، وتوليد الشفرات، والمساعدة في البحث العلمي، والتخطيط الذكي، وأنظمة اتخاذ القرار. ومع ذلك، لا يزال الاستدلال في الذكاء الاصطناعي الحالي يواجه تحديات مثل الموثوقية الواقعية، واتساق الاستدلال، والقدرة على التكيف مع البيئات المعقدة، ولا يمكن حتى الآن مساواته تمامًا بعملية الاستدلال الإدراكي البشري.