نماذج اللغات الكبيرة عالقة في "التفكير الجماعي": كيف يسعى "فلينت" من "سبرينغ بوردز" لإطلاق العنان للإبداع الاصطناعي الحقيقي

على الرغم من قدراتها المتقدمة، غالبًا ما تظهر نماذج اللغات الكبيرة (LLMs) مثل ChatGPT وClaude وGemini نقصًا مفاجئًا في الإبداع وتنزع نحو "التفكير الجماعي". يكشف اختبار بسيط عن هذه الظاهرة: عند طلب رقم عشوائي بين 1 و10، غالبًا ما تنتج معظم روبوتات الدردشة السائدة الرقم "7". وغالبًا ما تنتج الطلبات اللاحقة أرقامًا مثل "3" أو "4" أو "8" أو "9". وبينما يمكن أن تكون هذه القدرة على التنبؤ مفيدة للمهام المنظمة مثل البرمجة، إلا أنها تصبح قيدًا كبيرًا للعمليات الإبداعية المفتوحة مثل العصف الذهني أو التخطيط لعطلة فريدة. هذا التحيز المتأصل نحو الاستجابات الشائعة وذات الاحتمالية العالية يحد من فائدتها في السيناريوهات التي تتطلب أصالة حقيقية. لمواجهة هذه المشكلة المنتشرة، قدمت الشركة الأسترالية الناشئة "سبرينغ بوردز" (Springboards) حلاً مبتكرًا: نموذج لغة كبير خاص بها يُدعى "فلينت" (Flint). على عكس نظيراتها السائدة التي "تحارب الهلوسات" بنشاط، يقول المؤسس المشارك والرئيس التنفيذي لشركة سبرينغ بوردز، بيب بينجمان: "نحن نرحب بها". لقد تم تدريب فلينت خصيصًا لتوليد مجموعة أوسع بكثير من الاستجابات للأسئلة المفتوحة، بهدف التحرر من الأنماط التقليدية. وقد أظهر بينجمان بوضوح تميز فلينت من خلال إعادة تشغيل لعبة الأرقام العشوائية، حيث أنتج فلينت الرقم "3.7916" بعد أن أعطى كل من ChatGPT وClaude الرقم "7" في جلسة جديدة، مما يسلط الضوء على قدرته على الانحراف عن المألوف. لا يقتصر هذا الاختلاف على الأرقام فحسب. فعندما طُلب من النماذج تسمية نوع من السيارات، اقترحت نماذج اللغات الكبيرة السائدة بشكل متوقع تويوتا أو هوندا، بينما قدم فلينت "فورد F-150". وبالمثل، بالنسبة لشعار لحملة أحذية "نيو بالانس" (New Balance)، أعطى كل من ChatGPT وClaude "اركض بطريقتك" (Run your way)، في حين اقترح فلينت "مصمم ليدوم، اركض لتفوز" (Built to last, run to win)، مما يعرض منظورًا مختلفًا. هذا "المعلومات المفقودة" والتحيز المتأصل في النماذج السائدة، حيث تكون قادرة على تقديم إجابات أكثر تنوعًا ولكنها لا تفعل ذلك ببساطة، يلقى اهتمامًا أكاديميًا متزايدًا. فقد أكدت ورقة بحثية بعنوان "عقلية الخلية الاصطناعية: التجانس المفتوح لنماذج اللغة (وما بعدها)"، والتي فازت بجائزة في مؤتمر NeurIPS، أن نماذج اللغات الكبيرة، المدربة على بيانات وطرق متشابهة، تتقارب على إجابات متشابهة بشكل ملحوظ، حتى بين النماذج المختلفة ومن أصول متنوعة. على سبيل المثال، عند طلب استعارة للوقت، كانت معظم الـ 1,250 استجابة عبر 25 نموذج لغة كبيرة هي نسخًا مختلفة من "الوقت نهر" أو "الوقت نساج". يشير كيران براون، المؤسس المشارك والمدير التقني لشركة سبرينغ بوردز، إلى أن هذا التكرار منتشر في كل مكان، وغالبًا ما لا يلاحظه المستخدمون الذين يتصورون محادثات شخصية مع روبوتات الدردشة. مثال آخر هو أسماء الفرق الموسيقية، حيث تقترح النماذج السائدة بشكل متكرر مصطلحات مثل "زجاج" أو "نيون" أو "مخمل" أو "ثابت"، مما يؤدي إلى أسماء عامة وفي بعض الأحيان موجودة بالفعل (مثل "رواد الفضاء على الأريكة"). تعترف OpenAI بأن تدريب النماذج على تقديم إجابات موثوقة ومتماسكة يمكن أن يؤدي بها إلى التقارب حول استجابات مألوفة وذات احتمالية عالية، وأن السعي بقوة أكبر نحو الجدة قد يؤدي إلى استجابات أضعف أو أقل موثوقية. تقدم سبرينغ بوردز أداة للمحترفين المبدعين، مدعومة بمجموعة مختارة من نماذج اللغات الكبيرة، مما يتيح للمستخدمين دمج الأفكار. ويتم وضع فلينت كنموذج بديل ضمن هذه الأداة لأولئك الذين يبحثون عن تنوع أكبر. تشيد زوي سكامان، مؤسسة شركة "بوديشيوس"، بفلينت لـ "رميها في اتجاهات مختلفة تمامًا"، وتجدها لا تقدر بثمن في تحفيز تفكيرها. اختبرت سكامان فلينت مقابل كلود وجميني وChatGPT باستخدام دراسة حالة كلاسيكية لدرجة الماجستير في إدارة الأعمال: كيف يمكن إعادة ابتكار شركة مالية لتناسب الشباب اليوم؟ بينما اقترحت النماذج السائدة حلولاً يمكن التنبؤ بها مثل "تعليم الثقافة المالية بطريقة ممتعة وعصرية"، قدم فلينت نهجًا جديدًا حقًا: إعادة تسمية المفهوم الكامل لتراكم الثروة. هذا المنظور المميز، على الرغم من أنه لا يزال نموذجًا أوليًا "يتعثر أحيانًا عندما تبدأ في دفعه بعيدًا جدًا"، يؤكد على الفرضية القوية لفلينت. من خلال تحدي "التفكير الجماعي" لنماذج اللغات الكبيرة الحالية، تهدف سبرينغ بوردز إلى فتح بُعد جديد من الإبداع في الذكاء الاصطناعي، وتقديم أداة حيوية للصناعات التي يكون فيها الفكر الأصيل أمرًا بالغ الأهمية.