نماذج اللغة لا تفهم الزمن، لكنها تتحدث عنه

نموذج لغوي يولد إجابة في ثانيتين، لكنه يؤكد بثقة: "ستستغرق هذه المهمة أسبوعين." خلف هذا التناقض الغريب يكمن شيء أكثر أساسية من مجرد صدى بيانات التدريب — نماذج اللغة ببساطة لا تملك ما نسميه الوقت.

كيف ترى نماذج LLM الوقت

تعمل نماذج اللغة رمزاً تلو الآخر، بالتنبؤ بالكلمة التالية في سلسلة. ليس لديها ساعة داخلية، لا تدرك الماضي والمستقبل كسلسلة متصلة. بالنسبة لها، الوقت هو ببساطة كلمات تظهر في بيانات التدريب إلى جانب كلمات أخرى. عندما يقول نموذج "أسبوعان"، فإنه لا يقيّم المدة الفعلية للمهمة. فهو ينتج إجابة احتمالية إحصائياً بناءً على عدد مرات ظهور العبارة "أسبوعان" في سياقات مشابهة للسياق الحالي. إنها مثل تذكر عبارة سمعتها ذات مرة، لكنك تنسى السياق الذي كانت فيه.

مفارقة السرعة والتقديرات

إليك جوهر المشكلة: ينتج النموذج إجابة أسرع مما يستطيع أي إنسان كتابة إجابة كاملة على سؤال معقد. ومع ذلك، فإنه يؤكد بثقة الأطر الزمنية التي لا تتطابق على الإطلاق مع سرعته الخاصة. هذا ليس خطأ بسيط. إنها ميزة هيكلية لكيفية عمل نماذج اللغة. فهي لا تحاكي عملية حل المهمة عبر الزمن — فهي فقط تتنبأ بالكلمات التي يجب أن تأتي بعد ذلك. نظام قائم على هذا المبدأ لا يستطيع فعلياً "فهم" الوقت بالطريقة التي يفهمها البشر.

لماذا هذا مهم

يكشف هذا عن عدة مشاكل رئيسية في استخدام نماذج اللغة الكبيرة:

• لا يمكن لنموذج تقييم تعقيد المهمة بصراحة، فقط التخمين على أساس الإحصائيات
• إجاباته حول المواعيد ليست توقعات، بل هلوسات، أنماط محتملة
• عند تخطيط المشاريع باستخدام الذكاء الاصطناعي، يجب أن تأخذ في الاعتبار أن النموذج لا يستطيع فعلياً حساب الوقت الفعلي
• للتقييمات الحرجة، هناك حاجة إلى مراجعة بشرية، وليس فقط التنبؤات النموذجية

"نموذج لغوي ليس لديه ما نسميه الوقت،" — مما يؤكد الفجوة الأساسية بين

كيفية عمل النماذج وكيفية تفكير الناس حولها.

ماذا يعني هذا

هذا هو المقال الأول من سلسلة عن التفكير التعاوني بين البشر ونماذج اللغة الكبيرة. الخلاصة بسيطة: نماذج اللغة ليست نسخة صغيرة من البشر بمعالج سريع. إنها نظام مختلف تماماً يعمل بموجب قواعد مختلفة. استخدامها دون فهم هذه الخصائص يعني توقع الأخطاء.