هل يعزز النسيان الذكي كفاءة الذكاء الاصطناعي؟
في وقت تتجه فيه أبحاث الذكاء الاصطناعي إلى تطوير نماذج لغوية تتمتع بقدرات متزايدة على تخزين المعلومات وتحليلها وفهم السياق، تكشف دراسة حديثة عن رؤية مغايرة تطرح سؤالًا لافتًا: هل يمكن أن يسهم تقليص الذاكرة، بدلًا من توسيعها، في تحسين عملية التعلم؟.
وتستند الدراسة إلى مقارنة بين آلية عمل الذاكرة البشرية والنماذج اللغوية، لتشير إلى أن النسيان التدريجي لبعض التفاصيل قد لا يمثل نقطة ضعف، بل قد يكون عاملًا يساعد على استخلاص الأنماط والقواعد العامة وفهم البنية اللغوية بكفاءة أعلى، لا سيما عند التعامل مع مجموعات بيانات محدودة.
ذاكرة محدودة تحاكي الإنسان تعزز تعلم اللغة في النماذج الذكية
توصلت دراسة حديثة إلى أن تزويد نماذج الذكاء الاصطناعي، بذاكرة محدودة تحاكي بعض خصائص الذاكرة البشرية يمكن أن يحسن قدرتها على تعلم القواعد اللغوية، خاصة عند تدريبها على كميات صغيرة من النصوص.
ويعتمد هذا التصور على فكرة شائعة في علم الإدراك، مفادها أن نسيان التفاصيل الدقيقة قد يساعد الإنسان على التركيز على الأنماط العامة واستخلاص القواعد الأساسية للغة.
اختبار فرضية النسيان في نماذج اللغة
اختبر الباحثان أبهيشيك ثاما من جامعة أمستردام وميشا هايلبرون من معهد ماكس بلانك لعلم اللغة النفسي فرضية معاكسة للتوقعات التقليدية في علم الذكاء الاصطناعي، وهي أن تقليل الذاكرة بدلًا من توسيعها قد يؤدي إلى تحسين التعلم.
فعادةً تعتمد نماذج اللغة على الاحتفاظ بكمية كبيرة من المعلومات داخل السياق، لكن الدراسة تساءلت: هل يمكن أن يؤدي نسيان بعض التفاصيل إلى أداء أفضل؟.
محولات بذاكرة متلاشية
لتجربة الفكرة، أضاف الباحثان آلية “تلاشي الذاكرة” إلى نماذج مبنية على بنية المحول (Transformer)، وأطلقوا عليها اسم “محولات الذاكرة العابرة”.
في هذه النماذج، لا تبقى جميع الكلمات السابقة بنفس الوضوح؛ إذ تتلاشى المعلومات القديمة تدريجيًا، بينما تظل الكلمات الأحدث أكثر حضورًا، في محاكاة مبسطة لطريقة الذاكرة البشرية.
تجربة التدريب ببيانات محدودة
كما تم تدريب النماذج باستخدام معيار، وهو مجموعة بيانات صغيرة تحاكي كمية اللغة التي يتعرض لها الإنسان أثناء مراحل التعلم المبكر.
وأتاح هذا الإطار مقارنة النماذج التقليدية بتلك المزودة بذاكرة متلاشية، دون الاعتماد على البيانات الضخمة المستخدمة في النماذج التجارية الكبرى.
نتائج غير متوقعة في أداء النماذج
أظهرت النتائج أن النماذج التي تعتمد على النسيان حققت أداءً أفضل في تعلم القواعد اللغوية وفهم البنية النحوية، مع ثبات هذه النتائج عبر إعدادات وتجارب متعددة.
لكن المفارقة أن هذا التحسن لم ينعكس على قدرتها في التنبؤ بسرعة القراءة البشرية، ما كان متوقعًا في دراسات سابقة تربط بين أداء النماذج وسلوك الإنسان أثناء القراءة.
توازن بين الذاكرة القريبة والنسيان
بينت الدراسة أن أفضل أداء تحقق عندما امتلكت النماذج “ذاكرة صدوية” قصيرة تحتفظ بالـ3 إلى 7 كلمات الأخيرة بوضوح، مع تلاشي تدريجي لما قبلها.
سمح هذا التوازن بفهم العلاقات المحلية داخل الجمل، مع دفع النموذج إلى التركيز على الأنماط العامة بدلًا من حفظ النصوص حرفيًا.
دلالات أعمق في علم الذكاء الاصطناعي
تشير النتائج إلى أن محدودية الذاكرة ليست بالضرورة عائقًا أمام التعلم، بل قد تكون جزءًا من آلية التعلم نفسها، كما اقترحت أبحاث علم الإدراك منذ التسعينيات.
كما تعيد الدراسة النظر في الفكرة السائدة بأن “الأكبر دائمًا أفضل” في نماذج اللغة، خصوصًا في بيئات البيانات المحدودة.
آفاق لتطوير نماذج أصغر وأكثر كفاءة
لا تعني النتائج أن تقليل الذاكرة يحسن كل أنظمة الذكاء الاصطناعي، لكنها تفتح الباب أمام تطوير نماذج أصغر وأكثر كفاءة، تعتمد على استخلاص القواعد بدلًا من حفظ كميات ضخمة من النصوص.
