الحوار الداخلي في نماذج LLM: كيف تحاكي النماذج العقل الجمعي

أظهرت دراسة جديدة أن نماذج الاستدلال (reasoning)، مثل DeepSeek-R1 وQwQ-32B وOpenAI o1، تحاكي حوارًا داخليًا بدلًا من الاكتفاء باستدلال خطي. ويرفع هذا «العقل الجمعي» دقة حل المسائل المعقدة.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
الحوار الداخلي في نماذج LLM: كيف تحاكي النماذج العقل الجمعي
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال

تُظهر نماذج اللغة الكبيرة (LLM) الحديثة قدرات لافتة في الاستدلال، لكن كيف تصل إلى هذه النتائج بالضبط؟ كان الاعتقاد السائد أن أسلوب Chain-of-Thought، الذي يبني فيه النموذج سلسلة منطقية خطوة بعد خطوة، هو مفتاح النجاح. غير أن دراسة حديثة أجراها باحثون من Google Research وUniversity of Chicago كشفت أمرًا أكثر إثارة للاهتمام: فما يجري داخل نماذج LLM ليس مجرد استدلال متسلسل، بل عملية معقدة تحاكي حوارًا متعدد الأطراف، أشبه بـ«مجلس عقول».

فبدلًا من المونولوج، يولّد النموذج وجهات نظر مختلفة تتصادم وتتناظر، ثم تصل في النهاية إلى توافق. ويفترض هذا الظاهرة، التي أُطلق عليها اسم «Society of Thought» (مجتمع الأفكار)، أن نماذج LLM تعلمت بصورة تلقائية محاكاة ما يصفه الفلاسفة وعلماء النفس منذ زمن طويل بأنه جوهر التفكير: حوار داخلي بين «أصوات» مختلفة.

وحدد الباحثون أربعة أنماط رئيسية في هذه «الديناميكية الحوارية»: طرح الأسئلة، وتبديل وجهات النظر، والصراع، والتوافق. والأهم من ذلك أنهم لاحظوا أن النماذج تعيد إنتاج 12 دورًا اجتماعيًا-عاطفيًا وردت في نظام Bales' IPA (Interaction Process Analysis) أثناء الاستدلال، ما يدل على درجة عالية من التعقيد في التفاعلات الداخلية.

والعامل الحاسم في دقة الاستدلال هو تنوع وجهات النظر. فكلما ولّد النموذج وجهات نظر أكثر تباينًا، ارتفع احتمال التوصل إلى الحل الصحيح. وقد أكدت التجارب المتعلقة بـ activation steering والتدريب بالتعلم المعزز (RL) وtransfer effects هذه الفرضية، إذ أظهرت أن تحفيز التنوع داخل النموذج يؤدي إلى تحسين أدائه.

وتفتح محاكاة الحوار الداخلي آفاقًا جديدة في تطوير نماذج LLM. فبدلًا من الاكتفاء بزيادة حجم النموذج وكمية بيانات التدريب، يمكن التركيز على بناء آليات أكثر كفاءة لتوليد وجهات النظر المختلفة وإدارتها. وقد يقود ذلك إلى نماذج قادرة على حل مهام أكثر تعقيدًا واتخاذ قرارات أكثر اتزانًا. ولهذا الاكتشاف تبعات بعيدة المدى على قطاع الذكاء الاصطناعي بأكمله، لأنه يبيّن أن مفتاح بناء آلات ذكية حقًا قد لا يكمن في زيادة القدرة الحاسوبية وحدها، بل أيضًا في فهم العمليات المعرفية المعقدة المميِّزة للتفكير البشري وإعادة إنتاجها. وفي المحصلة، تؤكد هذه الدراسة أهمية المنهج متعدد التخصصات في تطوير الذكاء الاصطناعي، بما يجمع المعارف من علوم الحاسوب وعلم النفس والفلسفة.

القصة
ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…