منصة "In the Weights": كشف الذاكرة الحقيقية لنماذج الذكاء الاصطناعي في زمن ما بعد البحث

أطلق توماس ديمسون وجوي فلين، الباحثان السابقان في OpenAI، منصة جديدة تحت اسم "In the Weights" (في الأوزان)، وهي مصممة لتقييم المعرفة الجوهرية للنماذج اللغوية الكبيرة (Large Language Models) المتنوعة. تهدف هذه المبادرة إلى تحويل المفهوم السائد من "عمليات البحث عن الذات" (Vanity Searches) التقليدية على محركات الويب إلى تقييم مدى عمق استيعاب نماذج الذكاء الاصطناعي للمعلومات المتعلقة بالأفراد والمفاهيم ضمن بيانات تدريبها (Training Data)، وذلك دون اللجوء إلى استعلامات الإنترنت في الوقت الفعلي.

انضم ديمسون وفلين إلى OpenAI بعد استحواذ الشركة على شركتهما الناشئة في مجال التصميم "Global Illumination". لقد قاما بتطوير منصة "In the Weights" انطلاقًا من قناعة راسخة بأن عمليات البحث عن الذات (Vanity Searches) التقليدية التي تتم عبر جوجل ستصبح مقياسًا غير ذي جدوى بحلول عام 2026، في حقبة يتزايد فيها حجم استرجاع المعلومات (Information Retrieval) بوساطة النماذج اللغوية الكبيرة (LLMs). تطلق منصتهم استعلامات على مجموعة متنوعة من أبرز نماذج الذكاء الاصطناعي، بما في ذلك إصدارات مختلفة من جي بي تي (GPT)، وجروك (Grok)، وجيميني (Gemini)، وكلود (Claude)، ولاما (Llama)، وذلك لقياس قدراتها على الاستذكار الداخلي (Internal Recall Capabilities).

المنهجية والرؤى الأولية

تتمحور المنهجية الأساسية لمنصة "In the Weights" حول استخدام مطالبة (Prompt) موحدة: "من هو <الاسم>؟ أعطِ ما يصل إلى 10 نتائج، كل منها بوصف قصير وثقة." بناءً على استجابات النماذج، تمنح المنصة "درجة قوة" (Strength Score) لكل اسم يتم استعلامه. تحدد هذه الدرجة مدى قوة تعرف نماذج الذكاء الاصطناعي على شخص أو كيان ووصفها له دون الحاجة إلى عمليات بحث خارجية.

كشفت النتائج الأولية من "In the Weights" عن أنماط مثيرة للاهتمام. فقد حققت شخصيات بارزة مثل الممثل ماكولي كولكين وأسطورة الأوبرا لوتشيانو بافاروتي درجة قوة (Strength Score) مبهرة بلغت 988 لكل منهما، مما يشير إلى درجة عالية من الاستذكار المتسق عبر النماذج اللغوية الكبيرة (LLMs) التي تم اختبارها. تتميز واجهة المنصة نفسها بتصميم مستوحى من طراز أجهزة نينتندو القديمة (Nintendo-inspired retro aesthetic)، وهو ما يتناقض مع هدفها التحليلي المستقبلي.

من خلال توفير مقياس واضح للمعرفة الداخلية للنماذج، تقدم "In the Weights" للمطورين ومهندسي الذكاء الاصطناعي (AI Engineers) أداة جديدة لفهم الفروق الدقيقة في قدرات الاستذكار الأساسي (Foundational Recall) للنماذج اللغوية الكبيرة (LLMs) المختلفة. يسلط هذا النهج المميز الضوء على المشهد المتطور لإمكانية الوصول إلى المعلومات والأهمية المتزايدة للفهم المضمن (Embedded Understanding) لنموذج الذكاء الاصطناعي، بدلاً من قدراته على البحث في الوقت الفعلي.