مع ازدياد اعتماد عصرنا على الذكاء الاصطناعي (AI)، من المستحيل أن نغفل الدور الحاسم لنماذج تعلم اللغة (LLMs). وعلى الرغم من تقدمها، فإن هذه النماذج تعد بعصر من الآلات التي تفهم اللغة البشرية وتستجيب لها بدقة. ولكن لا تخطئ، فهي ليست معصومة من الخطأ - وهنا يأتي دور البشر؛ حيث يقومون بتعليم نماذج تعلم اللغة وتنقيحها وإغلاق حلقة التغذية الراجعة لهذه النماذج.
وغالباً ما يُشار إلى هذه العملية وأهميتها في الصورة الأكبر لتطوير الذكاء الاصطناعي باسم النظام البشري في الحلقة. وكما يوحي اسمها، فهي تتضمن إبقاء الإنسان في النظام لمساعدة الذكاء الاصطناعي على التعلم والتحسين. على الرغم من القفزات النوعية التي حققناها في مجال الذكاء الاصطناعي، فإن هذا الدور البشري لم يتم الاستغناء عنه - بل في الواقع، أصبح أكثر أهمية من نواحٍ عديدة.
لنلقي نظرة عن كثب
حلقات التغذية الراجعة هي مسارات أو عمليات يتم من خلالها إعادة تغذية مخرجات النظام كمدخلات. وهي شائعة في العديد من الأنظمة، مثل منظم حرارة التدفئة الذي يتم ضبطه باستمرار بناءً على التغذية الراجعة لدرجة الحرارة. ولا يختلف الأمر في سياق النماذج اللغوية التفاعلية. تتعلم هذه النماذج اللغات من خلال معالجة كميات هائلة من البيانات النصية. لنفترض أن مخرجاتها لا تصل إلى النغمات الصحيحة - فالجمل غير منطقية، أو أن القواعد النحوية معيبة. وهنا يأتي دور حلقة التغذية الراجعة، والبشر هم الذين يقومون بإجراء هذه التصحيحات الحاسمة.
مع كل تعديل وتعديل، ‘تتعلم’ أجهزة LLMs وتتحسن، وتكيف استجاباتها بناءً على حلقة التغذية الراجعة. هذه هي في الأساس الطريقة التي تصبح بها هذه الآلات ‘أكثر ذكاءً’ بمرور الوقت، حيث تفهم الفروق اللغوية البشرية وتلتزم بها بشكل أكبر. ومع ذلك، عند مناقشة هذا التفاعل بين التغذية الراجعة البشرية وأداء الآلة القابلة للتشغيل الآلي (LLM)، هناك تداخل عميق مع سلوك المستخدم.
الربط بين سلوك المستخدم وأداء LLM
للحظة، فكر للحظة في مترجمي اللغات الرقمية أو مساعدي الذكاء الاصطناعي الذين يتم تنشيطهم صوتيًا والذين يستخدمهم الكثير منا يوميًا. حيث تعتمد دقتها وفائدتها على أدوات الترجمة اللغوية الرقمية المضبوطة جيداً. إن ملاحظات المستخدمين التي يتلقونها لا تقتصر على تحسين جلسة واحدة فقط - فهي مفيدة أيضاً في تدريب الآلات اللغوية القابلة للتشغيل الصوتي لتحسين الأداء العام.
توفر كل مدخلات وكل تصحيح وكل تفاعل للمستخدم مع أنظمة الذكاء الاصطناعي هذه بيانات قيّمة. فهي تساعد في تعليم الآلة حول الاستخدام اللغوي المقبول والعامية والسياق وغير ذلك. وبعبارة أخرى، فإن سلوك المستخدم يوجّه بشكل أساسي أنظمة الذكاء الاصطناعي الآلية في عملية التعلّم، مما يسد الفجوة بين توقعات المستخدم وأداء الذكاء الاصطناعي.
بينما نعمل باستمرار على تخطي الحدود في عالم الذكاء الاصطناعي، لا يمكن التأكيد بما فيه الكفاية على أهمية العنصر البشري. فبينما نقوم بتعليم الآلات فهم اللغة البشرية والتفاعل معها، فإن المستخدمين - أي الأشخاص العاديين - هم الذين يصقلون هذه النماذج ويعلمونها ويشكلون تعلمها.
تُعد الديناميكية الرائعة بين سلوك المستخدم وأداء إدارة التعلم اللغوي LLM وحلقة التغذية الراجعة شهادة على كيفية تعايش البشر والذكاء الاصطناعي وتعلمهم وتقدمهم. مع كل مدخلات المستخدم والتصحيح البشري داخل الحلقة، ندفع نماذج تعلّم اللغة هذه إلى آفاق جديدة، مما يجعلها أكثر ذكاءً ودقةً، وفي النهاية أكثر فائدة.
لإلقاء نظرة متعمقة على العلاقة بين حلقات التغذية الراجعة في LLM وسلوك المستخدم، لا تفوّت المقال الأصلي على VentureBeat.
