إطار عمل رباعي الأنواع لويكي الـ LLM
المعرفة وحدها لا تصنع الحكم الصائب.
قمت ببناء ويكي للـ LLM يضم أكثر من 100 صفحة. كان يعمل بشكل جيد حتى حاولت استخدامه كمعلم للبرمجة.
كان الذكاء الاصطناعي يعرف كل تعريف. عندما قال طالب: "أنا لا أفهم الـ Promises"، قدم الذكاء الاصطناعي تعريفاً من الكتاب المدرسي. كان هذا رداً سيئاً.
المعلم الحقيقي سيسأل: "هل تفهم الـ callbacks أولاً؟" أو "ماذا جربت حتى الآن؟"
كان لدى الذكاء الاصطناعي حقائق ولكن دون أي قدرة على الحكم. أدركت أن الويكي الخاص بي يخزن نوعاً واحداً فقط من المعرفة.
معظم ويكي الـ LLM تخزن المعرفة التقريرية (declarative knowledge). وهي عبارة عن حقائق وتعريفات وملخصات، وتجيب على سؤال "ما هذا؟".
الخبرة تتطلب ما هو أكثر من ذلك. هناك أربعة أنواع من المعرفة التي تحتاجها:
• التقريرية (Declarative): الحقائق والتعريفات. • الإجرائية (Procedural): كيفية التفكير المنطقي. وهي تسلسل القرارات التي يتخذها الخبير. • التجريبية (Experiential): كيف يعمل الأمر في الحياة الواقعية. ويشمل ذلك رؤية الأخطاء وكيفية تعامل الخبراء معها. • التفاعلية (Interaction): كيفية توجيه الآخرين. وهي معرفة متى تطرح سؤالاً ومتى تلتزم الصمت.
تظهر الأبحاث وجود فجوة هائلة بين المعرفة والتطبيق. في إحدى الدراسات التي أجريت على مساعدي التدريس، قدم 75% منهم إجابات بدلاً من استخدام أسلوب التساؤل السقراطي. كانوا يعرفون القواعد، لكنهم لم يستطيعوا تنفيذها تحت الضغط.
لإصلاح ذلك، تحتاج إلى عمليتين في نظامك:
- الاستيعاب (Ingest): يبحث عن الحقائق لإنشاء المعرفة التقريرية.
- التنقيب (Mine): يبحث عن القرارات لإنشاء المعرفة الإجرائية والتجريبية والتفاعلية.
لا يمكنك العثور على مسار منطقي من خلال البحث عن الحقائق. يجب أن تبحث عن القرارات. يجب أن تسأل: ماذا اختار الخبير؟ متى اختار ذلك؟ وماذا حدث بعد ذلك؟
الجيل القادم من الذكاء الاصطناعي لن ينتصر بامتلاك المزيد من الحقائق، بل سينتصر بامتلاك قدرة أفضل على الحكم. الحكم ليس مشكلة معرفة، بل هو مشكلة نوع المعرفة.
إذا قمت ببناء ذكاء اصطناعي يخزن الحقائق فقط، فأنت تبني كتاباً مدرسياً فحسب. إذا كنت تريد بناء خبير، فعليك التنقيب عن القرارات.
المصدر: https://dev.to/rongrong/a-four-type-framework-for-llm-wiki-by-karpathy-5f1n
مجتمع تعليمي اختياري: https://t.me/GyaanSetuAi