في مقال نشره جيازي قوانغني ، يستكشف باحث معهد ماساتشوستس للتكن تشير المقالة إلى أنه على الرغم من أداء GPT-4 بشكل جيد في التعامل مع مهام توليد اللغة الطبيعية ، إلا أن هناك أوجه قصور لا يمكن إصلاحها في مهام الاستدلال المعقدة. يرجع هذا العيب بشكل أساسي إلى التجريبية الشديدة لـ GPT-4 ، وهو الاعتماد المفرط على كميات كبيرة من البيانات للتدريب ، ويفتقر إلى فهم متعمق للتفكير المنطقي والرمزي.
يُعتبر NLEP (نموذج اللغة الطبيعية ونموذج الاستدلال الدقيق) الذي اقترحه Luo Hongyin هو المفتاح لحل عيوب GPT-4. لا يولد NLEP لغة طبيعية سلسة فحسب ، بل يعمل أيضًا بشكل جيد في التعامل مع مهام التفكير الدقيقة. يمثل اقتراح هذا النموذج المزيد من الاستكشاف لإمكانات الذكاء الاصطناعي الرمزي في معالجة البيانات غير المهيكلة وتوليد اللغة الطبيعية. قد يوفر ظهور NLEP حلاً جديدًا لقيود نموذج اللغة الحالية.
يستكشف المقال أيضًا النزاع المدرسي في مجال الذكاء الاصطناعي ، وخاصة المعارضة بين التجريبية والرمزية. تؤكد التجريبية على التعلم والتدريب من خلال كميات كبيرة من البيانات ، بينما تركز الرمزية أكثر على التفكير المنطقي والمعالجة الرمزية. يعتقد Luo Hongyin أن نموذج GPT-4 الحالي يعتمد جدًا على التجريبية ، مما يؤدي إلى ضعف أدائه في مهام التفكير المعقدة. قد يشغل AI الرمزي ، مثل NLEP ، موقفًا مهمًا في التنمية المستقبلية لمنظمة العفو الدولية.
أكد Luo Hongyin أنه على الرغم من أن نموذج اللغة الحالي يعمل بشكل جيد في التعامل مع السيناريوهات التي تتسامح مع الضوضاء ، إلا أن موثوقيته لا تزال لها عيوب كبيرة في المهام المعقدة التي تتطلب التفكير الدقيق. هذه المشكلة بارزة بشكل خاص في المناطق عالية الخطورة مثل التشخيص الطبي والتحليل القانوني. لذلك ، أصبح تطوير نماذج الذكاء الاصطناعى التي يمكنها التعامل مع كل من توليد اللغة الطبيعية ومهام التفكير الدقيقة اتجاهًا مهمًا في أبحاث الذكاء الاصطناعي الحالي.
في نهاية المقالة ، فإن اقتراح NLEP ليس فقط استجابة لعيوب GPT-4 ، ولكن أيضًا استكشاف اتجاه التطوير المستقبلي لمنظمة العفو الدولية. مع التقدم المستمر لتكنولوجيا الذكاء الاصطناعى ، قد يجلب الجمع بين الرمزية والتجريبية اختراقات جديدة إلى مجال الذكاء الاصطناعي. يوفر بحث Luo Hongyin اتجاهات تفكير جديدة للباحثين في مجال الذكاء الاصطناعي ويفتح آفاقًا أوسع لتطبيقات الذكاء الاصطناعي في المستقبل.