وقتی زبان، مانع فکر کردن هوش مصنوعی می‌شود

رابطه میان زبان و فکر کردن، برای هوش مصنوعی آن‌قدرها هم بدیهی نیست. مدل‌های زبانی برای بیان پاسخ به کلمات متکی‌اند، اما بخش مهمی از پردازش اطلاعات درون ساختاری ریاضی و بسیار پیچیده اتفاق می‌افتد. همین موضوع این پرسش را مطرح می‌کند که آیا زبان واقعاً بهترین مسیر برای استدلال ماشین‌هاست؟

مدل‌های زبانی بزرگ هنگام حل مسائل، معمولاً فرایندهای درونی خود را به شکل توکن‌های زبانی پیش می‌برند. این شیوه می‌تواند منابع محاسباتی بیشتری مصرف کند و در برخی موارد، اطلاعاتی را که برای رسیدن به پاسخ مفید است محدود کند. پژوهش‌های جدید تلاش کرده‌اند مسیر دیگری را بررسی کنند، مسیری که در آن مدل بتواند بخش بیشتری از استدلال را مستقیماً در فضای نهفته انجام دهد.

در این رویکرد، مدل برای پیش بردن فرایند حل مسئله مجبور نیست تمام مراحل میانی را به زبان تبدیل کند. اطلاعات می‌توانند در فضای نهفته پردازش شوند و مدل می‌تواند مسیرهای مختلفی را برای رسیدن به نتیجه بررسی کند. نتایج اولیه نشان می‌دهند این روش در برخی وظایف می‌تواند به استدلال مؤثرتر و استفاده کمتر از توکن‌ها منجر شود.

اهمیت این ایده فقط به افزایش سرعت یا کاهش هزینه محاسبات محدود نمی‌شود.‎ اگر مدل‌های هوش مصنوعی بتوانند بخش مهمی از استدلال خود را خارج از ساختار زبان انجام دهند، ممکن است شیوه‌ای از پردازش شکل بگیرد که با الگوی فکری انسان تفاوت قابل توجهی داشته باشد.‎ در مقابل، همین فاصله می‌تواند پرسش‌های تازه‌ای درباره شفافیت و قابل‌فهم بودن فرایندهای درونی مدل‌ها ایجاد کند.‎

در این اپیزود، مسیر تازه‌ای را بررسی می‌کنیم که در آن زبان دیگر تنها راه پیش‌بردن استدلال برای هوش مصنوعی نیست.‎ از سازوکار مدل‌های زبانی و محدودیت‌های استدلال مبتنی بر توکن گرفته تا امکان شکل‌گیری فرایندهای فکری در فضای نهفته، این موضوع می‌تواند نگاه ما به آینده هوش مصنوعی و مفهوم «فکر کردن» در ماشین‌ها را تغییر دهد.‎