تا به حال فکر کردهاید که مدلهای هوش مصنوعی چگونه پیچیدگیهای ذهنی را پردازش میکنند؟ محققان در مطالعهای جدید با استفاده از «طبقهبندی بلوم» (Bloom’s Taxonomy)، موفق شدند ساختارهای درونی مدلهای زبانی را تحلیل کنند.
نتایج این پژوهش نشان میدهد که هوش مصنوعی سطوح مختلف شناختی – از یادآوری ساده تا تحلیلهای خلاقانه – را در فضاهای برداریِ خطی در لایههای خود کدگذاری میکند. به زبان سادهتر، مدلهای زبانی به شکلی درونی پیچیدگی پرسشهای شما را شناسایی میکنند و این ساختار، گام مهمی در شفافسازی «جعبه سیاه» هوش مصنوعی است.
این دستاورد میتواند به ما کمک کند تا مدلهای هوشمندتر و قابلاعتمادتر با درک شناختی واقعیتری بسازیم.
منبع: arXiv AI