مايكروسوفت تطلق "LeMa": طريقة تعليمية مبتكرة تعتمد على الذكاء الاصطناعي تحاكي حل المشكلات البشرية.

قدم باحثون من Microsoft Research Asia وجامعة بكين وجامعة شيان جياوتونغ تقنية مبتكرة لتعزيز قدرات النماذج اللغوية الكبيرة (LLMs) في حل المسائل الرياضية. تعتمد هذه الطريقة على محاكاة عملية التعلم البشري من خلال تشجيع النماذج على التعلم من أخطائها.

تستند الاستراتيجية الجديدة، التي أطلق عليها اسم "التعلم من الأخطاء" (LeMa)، إلى تدريب الذكاء الاصطناعي على التعرف على أخطائه وتصحيحها، مما يؤدي إلى تحسين مهارات التفكير الاستدلالي، كما هو موضح في ورقة بحثية حديثة.

الإلهام وراء LeMa

تسليط الضوء على كيفية تعلم الطلاب من أخطائهم لتحسين أدائهم في المستقبل، حيث يلاحظ المؤلفون: "يمكن للطالب الذي يواجه مشكلة رياضية صعبة أن يتعلم من أخطائه ويفهم كيفية تصحيحها." تم تطبيق هذا المبدأ على LLMs باستخدام أزواج بيانات تصحيح الأخطاء التي تم إنشاؤها بواسطة GPT-4 لتحسين النتائج.

كيف يعزز LeMa التفكير الرياضي

في البداية، كانت نماذج مثل LLaMA-2 تنتج مسارات استنتاج خاطئة لمشكلات الرياضيات. ثم قام GPT-4 بتحديد هذه الأخطاء وتوضيحها، مما أتاح تقديم مسارات استنتاج مصححة. استخدم الباحثون بعد ذلك هذه البيانات المنقحة لإعادة تدريب النماذج الأصلية.

نتائج بارزة من LeMa

تشير النتائج إلى نجاح هذه المنهجية الجديدة. "على مدار خمسة نماذج LLM وموعدين للتفكير الرياضي، يتفوق LeMa باستمرار على الضبط الدقيق القائم فقط على بيانات تسلسل التفكير (CoT)،" كما أفاد الباحثون.

كما حققت النماذج المتخصصة، مثل WizardMath وMetaMath، مكاسب أيضًا من LeMa، حيث سجلت دقة pass@1 قدرها 85.4% على GSM8K و27.1% على MATH، متجاوزة الأداء القياسي السابق من النماذج المفتوحة المصدر في هذه المجالات الصعبة.

أبعاد أوسع وآفاق مستقبلية

يتوفر عمل الباحثين، بما في ذلك التعليمات البرمجية والبيانات والنماذج، على GitHub، مما يعزز التعاون داخل مجتمع الذكاء الاصطناعي ويفتح المجال لمزيد من الابتكارات في مجال التعلم الآلي.

يمثل إدخال LeMa تقدمًا محوريًا في الذكاء الاصطناعي، مما يدل على أن التعلم الآلي يمكن أن يقلد بشكل أفضل عمليات التعلم البشرية. قد تُحدث هذه التطورات ثورة في المجالات التي تعتمد على الذكاء الاصطناعي، مثل الرعاية الصحية والتمويل والمركبات ذاتية القيادة، حيث يكون تصحيح الأخطاء والتعلم المستمر أمرًا بالغ الأهمية.

مع استمرار تطور مشهد الذكاء الاصطناعي، ستصبح دمج أساليب التعلم الشبيهة بالبشر، مثل التعلم من الأخطاء، أمرًا حيويًا في تطوير أنظمة ذكاء اصطناعي أكثر كفاءة وتأثيرًا. تسلط هذه التطورات الضوء على الإمكانات الهائلة للذكاء الاصطناعي، مما يقربنا من مستقبل يتفوق فيه الذكاء الاصطناعي في مهام حل المشكلات المعقدة التي تفوق قدرات البشر.