الأنظمة الخبيرة مقابل النماذج اللغوية الكبيرة
Expert Systems vs LLMs
جيلان من «المساعدات الذكية» يفصل بينهما أربعون عاماً تقريباً.
الخلاصة
تقدم النماذج اللغوية مرونة هائلة، بينما بقيت الأنظمة الخبيرة أوضح تفسيراً. الدمج بين الاسترجاع من قواعد معرفة موثقة والنماذج اللغوية يجمع بعض مزايا الاثنين.
جدول المقارنة
| المعيار | الأنظمة الخبيرة | النماذج اللغوية الكبيرة |
|---|---|---|
| الفترة | السبعينيات والثمانينيات | منذ 2018 تقريباً |
| البنية | قاعدة معرفة + محرك استدلال | محوّل مدرب على نصوص ضخمة |
| النطاق | مجال ضيق محدد | واسع عبر مجالات كثيرة |
| التفسير | تتبع القواعد المستخدمة | صعب؛ الخطوات المكتوبة ليست تفسيراً مضموناً |
| نمط الخطأ | يفشل عند الخروج عن القواعد | قد يولّد معلومات خاطئة بثقة (الهلوسة) |
| التحديث | تعديل القواعد يدوياً | إعادة تدريب أو ضبط أو استرجاع معلومات |
المصادر والمراجع العلمية
- John McDermott (1982). R1: A rule-based configurer of computer systems. Artificial Intelligence, 19(1):39-88. DOI: 10.1016/0004-3702(82)90021-2
يدعم: XCON
- Tom B. Brown; Benjamin Mann; Nick Ryder; ... (31) (2020). Language Models are Few-Shot Learners. arXiv, 2005.14165. DOI: 10.48550/arXiv.2005.14165 · arXiv: 2005.14165
يدعم: GPT-3
