لماذا تخطئ الشبكات العصبية النصية في الحسابات
تثير النماذج اللغوية الكبيرة الإعجاب في كتابة الشيفرات والنصوص، لكنها ما زالت تخطئ كثيرًا في عمليات الضرب. والسبب بسيط: فالنموذج اللغوي الكبير (LLM) يتنبأ عادةً بالرمز (token) التالي، ولا ينفّذ خوارزمية حسابية صارمة. ولذلك يبدأ النموذج بالتخمين بدلًا من الحساب الدقيق عندما يواجه أعدادًا طويلة، أو عمليات حمل بين الخانات، أو أمثلة نادرة. وما ينقذ الموقف هو الآلات الحاسبة الخارجية والشيفرات البرمجية والوحدات المتخصصة.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
تستطيع النماذج اللغوية الكبيرة (الشبكات العصبية النصية) كتابة الشيفرات والترجمة والمحادثة، لكنها تعاني ضعفًا بنيويًا في الحسابات وعمليات الضرب.
لماذا تخطئ الشبكة العصبية في الضرب؟
لا تحسب الشبكة العصبية خطوة بخطوة كما يفعل البشر، بل تتنبأ بأكثر تسلسلات الرموز احتمالًا. ويظهر هذا الضعف سريعًا في الحسابات البسيطة.
كيف يختلف الإنسان عن الشبكة العصبية في الحسابات؟
بالنسبة للإنسان، الضرب خوارزمية: تقسيم الأعداد إلى خانات، وضرب الأجزاء، وحمل العشرات، ثم جمع النتيجة. أما الشبكة العصبية فترى تعبيرًا مثل 37 × 48 كنمط نصي بين ملايين التسلسلات الأخرى.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.