أجرى الباحثون في جامعة إنسبروك دراسة حديثة حول تطبيق الصلاحية الزمنية في أنظمة الذكاء الاصطناعي (AI) التوليدية. تهدف الدراسة إلى تحليل كيف يمكن لنماذج AI تحديد القيمة الزمنية للبيانات وأهميتها في السياقات المعقدة. اقترح الباحثون نظامًا لقياس أداء نماذج التعلم الآلي باستخدام البيانات من وسائل التواصل الاجتماعي لكشف البيانات السياقية التي تؤثر في التغييرات الزمنية.
وجدت الدراسة أن نماذج AI أظهرت أداءًا مرضيًا في تحديد مدة الصلاحية الزمنية في البيانات البسيطة. ومع ذلك، عندما تم إدخال معلومات سياقية إضافية، تباينت النماذج في قدرتها على التعرف بدقة على الصلاحية الزمنية. تم تسمية ChatGPT التابعة لشركة OpenAI كواحدة من النماذج ذات الأداء الأدنى في فهم التفكير الزمني المشترك.
اقترح الباحثون العديد من الحالات التي يمكن أن تكون فيها نماذج AI ذات قدرات متقدمة في التفكير الزمني ذات فائدة؛ ومن بين تلك الحالات: توقعات سوق المال، وتوليد أخبار من مشاركات وسائل التواصل الاجتماعي، وتحسين قدرات الروبوتات الدردشة الذكية لتتبع المعرفة وتقييم المدخلات الجديدة.
تُضيف هذه الدراسة إلى مجموعة متنامية من الأبحاث التي تشكك في قدرات الذكاء الاصطناعي المتقدم ونماذج اللغة الكبيرة. كشفت إحدى الدراسات الأخيرة عن انحياز النماذج التقليدية للذكاء الاصطناعي في الأجوبة المطابقة لتهيئة التعلم من ردود الفعل البشرية، ما يمكن أن يرجع إلى الاعتماد على التعزيز المستند إليها. واكتشفت دراسة أخرى خللاً في الصياغة التعاقبية لروبوت الدردشة مما سمح بالوصول إلى تفاصيل الموظفين، مما تسبب في انحراف عن التدريب الهادف له.
علاوة على ذلك، قام الباحثون أيضًا بدراسة تكامل تقنية سلسلة الكتل مع نماذج الذكاء الاصطناعي لتعزيز الثقة والخصوصية والأمان للمستخدمين.
مع استمرار البحث في مجال الذكاء الاصطناعي، ستكون فهم الصلاحية الزمنية وتأثيراتها في السياقات المعقدة أمرًا حاسمًا لتطوير نظم AI أكثر تطورًا وموثوقية.
The source of the article is from the blog dk1250.com