مدلهای زبانی بزرگ (LLM) علیرغم توانمندیهایشان، با مشکلاتی مثل «توهم» (Hallucination) و عدم شفافیت در استدلال دستوپنج نرم میکنند. در مقاله جدیدی که منتشر شده، محققان راهکار نوآورانهای به نام DaoQL پیشنهاد دادهاند.
💡 ایده اصلی چیست؟
در این مدل، هوش مصنوعی تنها به عنوان «موتور استدلال و زبان» عمل میکند و دانش قطعی و واقعی به جای ذخیره در وزنهای شبکه عصبی، به یک دیتابیس چندوجهی (Multimodal) منتقل میشود. این یعنی جداسازی کاملِ منطق از دادههای خام!
✅ مزایای این روش:
• کاهش چشمگیر توهمات (Hallucination)
• افزایش شفافیت و تفسیرپذیری (Explainability)
• قابلیت اصلاح آسان دانش در حوزههای حساسی مثل پزشکی و مالی.
این تحقیق نشان میدهد که حرکت به سمت «مدلهای جهانِ صریح» (Explicit World Models) میتواند آیندهی سیستمهای هوشمند دقیقتر و قابلاعتمادتر باشد. مهندسیِ آینده احتمالاً ترکیبی از قدرتِ خلاقانه LLMها و دقتِ دیتابیسهای ساختاریافته خواهد بود! 🧠📊
منبع: arXiv AI