ما هي الأسباب وراء ضعف أداء “شات جي بي تي” في الرياضيات؟

إذا جربت يومًا استخدام “شات جي بي تي” كآلة حاسبة، فمن المؤكد أنك لاحظت عدم دقته في العمليات الرياضية. يعتبر هذا القصور في الحساب مشكلة مشتركة بين أدوات الذكاء الاصطناعي، حيث يُظهر “كلود” (Claude) من “أنثروبي” (Anthropic) عجزه عن حل المشكلات البسيطة، بينما يفشل “جيميني” (Gemini) في فهم المعادلات التربيعية. حتى “لاما” (Llama) من “ميتا” (Meta) يواجه صعوبة في جمع الأعداد البسيطة. إذن، ما السبب وراء تعثر هذه الروبوتات الذكية في حسابات تتعلق بمستوى الصفوف الابتدائية؟

العملية الترميزية

الجواب يكمن في “عملية الترميز”، التي تساعد الذكاء الاصطناعي في ترميز المعلومات بكثافة من خلال تجزئة البيانات إلى أجزاء. على سبيل المثال، قد يتم تقسيم كلمة “جميل” إلى مقاطع “ج” و”م” و”ي” و”ل”. وفي هذه الأثناء، أدوات التجزئة في النماذج الذكية لا تدرك معنى الأرقام، مما يؤدي غالبًا إلى تخريب العلاقات بينها.

على سبيل المثال، إذا عالجت أداة التجزئة الرقم “380” كعنصر واحد، فإنها قد تفهم العدد “381” كزوج من الأرقام (“38″ و”1”). هذا الاختلاف في المعالجة هو ما يؤدي إلى الأخطاء.

صعوبات إحصائية

لكن عملية الترميز ليست السبب الوحيد وراء ضعف أداء الذكاء الاصطناعي في الرياضيات. فأنظمة الذكاء الاصطناعي تُعتبر آلات إحصائية تتعلم الأنماط من العديد من الأمثلة لتقديم التوقعات. عندما يسأل المستخدم “شات جي بي تي” عن مسألة مثل 5,7897 × 1,2832، يمكن أن يستنتج النموذج، بناءً على أخطائه السابقة، أن حاصل ضرب رقم ينتهي بـ”7″ ورقم ينتهي بـ”2″ سينتهي بـ”4″. ومع ذلك، سيواجه صعوبة في الجزء الأوسط، ويعطي الجواب بشكل غير صحيح، مثل 742,021,104، بينما الجواب الصحيح هو 742,934,304.

دراسة حالة

قام يونتيان دينغ، الأستاذ المساعد في جامعة واترلو والمتخصص في الذكاء الاصطناعي، بتقييم شامل لقدرات الضرب في “شات جي بي تي” في دراسة أجراها هذا العام. وقد أظهرت النتائج أن النموذج الافتراضي “جي بي تي -4 أو” (GPT-4o) يواجه صعوبة في ضرب أعداد مكونة من أكثر من 4 أرقام، حيث حقق دقة أقل من 30% في مثل هذه العمليات. وأوضح دينغ أن أي خطأ في أي خطوة تالية قد يتراكم، مما يؤدي إلى نتيجة نهائية غير صحيحة.

نظرة مستقبلية

ومع ذلك، يعبر دينغ عن تفاؤله. ففي دراسة أجراها هو وزملاؤه على نموذج “أو1” (o1) الخاص بشركة “أوبن إيه آي”، حقق النموذج نتائج أفضل بكثير من “جي بي تي -4 أو”، حيث تمكن من حل عمليات ضرب أعداد مكونة من 9 أرقام بشكل صحيح في نصف الوقت تقريبًا. وقد أضاف دينغ، “قد يحل النموذج عملية الضرب بطرق تختلف عن الطرق التي نحلها يدويًا، وهذا يثير فضولنا حول كيفية استنتاج النموذج للمسائل وكيف يختلف عن الاستدلال البشري”.

في الختام، تظل المسائل الرياضية تحديًا لنماذج الذكاء الاصطناعي، مما يسلط الضوء على الفجوات في قدرتها على تنفيذ الحسابات بشكل دقيق، وهو مجال يستدعي المزيد من البحث والتطوير.

سيرياهوم نيوز 2_راي اليوم