لا تنخدعوا؛ النماذج اللغوية الكبيرة لا تفكر بمنطق

بعد عشر سنوات من فوز ألفاغو التاريخي ضد بطل لعبة 'غو' لي سيدول، تغير مشهد الذكاء الاصطناعي، لكن الأنظمة الحديثة لا تزال تختلف جوهرياً عن البنية التي مكنت ذلك الفوز. بينما تظهر النماذج اللغوية الكبيرة (LLMs) اليوم طلاقة مبهرة، إلا أنها تفتقر إلى قدرات التفكير المنطقي الحقيقية التي سمحت لألفاغو بتنفيذ 'الحركة 37' الأسطورية. هذا التمييز بالغ الأهمية ونحن نتطلع إلى نشر الذكاء الاصطناعي في مجالات عالية المخاطر مثل الطب والبحث العلمي، حيث تعد الدقة والمنطق القابل للتدقيق أمراً حيوياً للسلامة والموثوقية.

اعتمد نجاح ألفاغو على بنية ثنائية النظام: شبكة سياسات للحدس وآلية بحث للتداول. قام البرنامج بتقييم ملايين الاحتمالات المستقبلية، وبناء شجرة ألعاب لوزن العواقب قبل الالتزام بحركة معينة. في المقابل، تعمل النماذج اللغوية الكبيرة الحالية بشكل أساسي كمفكرين من 'النظام 1' - سريع، ترابطي، وقائم على الأنماط. إنها تتنبأ بالرمز التالي في تسلسل، مما يوفر وهماً بالذكاء لكنه يفشل في تكرار التداول العميق خطوة بخطوة المطلوب لحل المشكلات في البيئات المعقدة.

تاريخياً، تم تعريف تقدم الذكاء الاصطناعي من خلال البحث بالقوة الغاشمة، كما رأينا في فوز 'ديب بلو' في الشطرنج. طورت ألفاغو هذا من خلال الجمع بين الحدس والبحث، مما يعكس أنماط الإدراك البشري التي شاعها دانيال كانيمان. ومع ذلك، يركز الاتجاه الحالي لتوسيع نطاق النماذج اللغوية على زيادة حجم نماذج 'النظام 1'. هذا النهج يشحذ الحدس ولكنه لا يضيف بطبيعته عمليات التفكير التداولي والقابل للفحص اللازمة لضمان أن مخرجات الآلة جديرة بالثقة وقابلة للتحقق ومبنية على الأدلة بدلاً من الاحتمالات الإحصائية.

يشكل هذا النقص في التفكير الهيكلي مخاطر كبيرة. غالباً ما تولد روبوتات الدردشة الحالية 'سلاسل فكرية' يتم اختلاقها بعد وقوع الحدث، بدلاً من أن تكون بمثابة خارطة طريق حقيقية لكيفية وصولها إلى استنتاج. في قطاعات مثل الهندسة أو التشخيص السريري، يعد هذا الغموض خطيراً. إذا لم يتمكن النظام من تقديم تسلسل قابل للتدقيق من الأدلة والاستنتاجات ومراجعة المعتقدات، فمن المستحيل تحديد مصدر الأخطاء، مما يجعله غير مناسب لاتخاذ القرارات الحاسمة حيث تكون حياة البشر أو سلامة النظام على المحك.

للمضي قدماً، يجب أن نتبنى نهجاً جديداً يدمج بنية ألفاغو في أنظمة التفكير العام. من خلال الحفاظ على حالة معرفية صريحة - سجل لما هو معروف، ومشكوك فيه، ومستبعد - يمكن للذكاء الاصطناعي الانتقال من إكمال الأنماط البسيط إلى البحث العلمي الحقيقي. يجب أن تكون الأنظمة المستقبلية قادرة على تقييم تحركاتها الخاصة مقابل الأدلة، مما يضمن دعم كل استنتاج بعملية صارمة وشفافة. عندها فقط يمكننا بناء ذكاء اصطناعي يعزز المعرفة البشرية حقاً.