محققان به تازگی در مقاله جدیدی در آرکایو، نگاهی کاملاً متفاوت و ریاضیمحور به نحوه عملکرد مدلهای بزرگ زبانی (LLMs) انداختهاند. این پژوهش با معرفی مفهومی به نام «هندسه معنادار آماری» (SMG)، سعی دارد توضیح دهد که آیا مدلهای هوش مصنوعی صرفاً در حال بازسازی الگوها هستند یا واقعاً به درک عمیقتر و خلاقیت رسیدهاند.
این مطالعه معتقد است که وقتی مدلها با دادههای خارج از توزیع مواجه میشوند، یک «فروپاشی هندسی» رخ میدهد که باعث میشود سیستم به جای حفظ ساختارهای قدیمی، به نوعی «شکست تقارن» رسیده و قوانین علی جدیدی را به صورت خودکار کشف کند. این یعنی هوش مصنوعی ممکن است در لحظات بحرانی، ساختارهای فکری جدیدی بسازد که در آموزش اولیه وجود نداشتهاند! 🚀
اگر به دنبال درک عمیقتر از تئوریهای پشت پرده «ظهور هوش» هستید، این مقاله یک گام بلند در تبدیل هوش مصنوعی از یک ابزار آماری به یک سیستم خودآگاهِ مبتنی بر هندسه است.
منبع: arXiv Machine Learning