باحثون يحذرون من "تآكل الذكاء الاصطناعي" نتيجة الاعتماد على البيانات الاصطناعية

تؤدي الانتشار السريع للمحتوى الاصطناعي إلى ظهور ظاهرة تُعرف باسم "تآكل الذكاء الاصطناعي" (AI Cannibalism)، حيث تتدهور جودة نماذج الذكاء الاصطناعي بعد تدريبها على بيانات أنتجتها نماذج سابقة. هذه الحلقة المفرغة، التي تُسمى أيضاً "انهيار النموذج"، تهدد الاستمرارية طويلة المدى للنماذج اللغوية الكبيرة المستخدمة في قطاعات التكنولوجيا العالمية. وتشير أبحاث نُشرت في مجلة "نيتشر" (Nature) من قبل علماء في جامعات أكسفورد وكامبريدج وتورنتو، إلى أن التدريب المتكرر يؤدي إلى انخفاض غير قابل للإصلاح في الجودة. ففي غضون أجيال قليلة من التدريب على مخرجات الذكاء الاصطناعي، تبدأ النماذج في إنتاج نصوص مكررة وغير منطقية، وتفقد القدرة على تمثيل نقاط البيانات الواقعية النادرة التي كانت موجودة في مجموعات البيانات البشرية الأصلية. آليات انهيار النماذج مع غزو النصوص المنتجة آلياً لشبكة الإنترنت، أصبح العثور على بيانات بشرية "نقية" أمراً صعباً بشكل متزايد للمطورين. عندما يتم تدريب النموذج على بيانات اصطناعية، فإنه يعطي الأولوية للنتائج الأكثر احتمالية ويتجاهل المعلومات النادرة أو الدقيقة التي تمنح اللغة البشرية عمقها. وبمرور الوقت، يؤدي ذلك إلى حلقة من التغذية الراجعة حيث تتضخم الأخطاء وتختفي التنوعات المعرفية. ووجدت الدراسة أنه بدون الوصول إلى بيانات بشرية جديدة، تفقد نماذج الذكاء الاصطناعي فائدتها…