وقد لاحظ العديد من القراء ذلك من خلال الروايات المتناقلة: فالنص الذي تكتبه نماذج الذكاء الاصطناعي يبدو كثيفًا ومتكلفًا ومرهقًا بشكل غريب في التحليل، حتى عندما يكون خاليًا من العيوب النحوية. تضع طبعة أولية جديدة تم نشرها على موقع arXiv بيانات لغوية قوية وراء هذا الحدس، وتقترح تفسيرًا لسبب حدوث ذلك.
تم تقديم الدراسة، "لماذا يصعب فهم اللغة المولدة بواسطة الذكاء الاصطناعي؟"، في 21 أكتوبر من قبل الباحثين توماس هيكارو كلارك، وماتياس بي مارتن، وكايل ماهوالد. بالاعتماد على مجموعة جديدة من النصوص التي تم إنشاؤها بواسطة الذكاء الاصطناعي عبر مجالات متنوعة، قام المؤلفون بتحليل مجموعة من السمات اللغوية النفسية الراسخة في الأدبيات كعلامات على صعوبة المعالجة للقراء البشر - بما في ذلك الجمل النسبية للكائن، والتبعيات النحوية الطويلة، وجرام n منخفض التردد. لمزيد من السياق حول هذه القصة، راجع تغطية صناعة الذكاء الاصطناعي.
ما قام الباحثون بقياسه
لقد عرف علم اللغة النفسي منذ زمن طويل أن قراءة الجمل ليست كلها بنفس التكلفة. تستغرق الجمل المرتبطة بالموضوع ("السيناتور الذي هاجمه المراسل ...") وقتًا أطول بكثير في معالجتها مقارنة بأقارب الموضوع. التبعيات الطويلة بين الكلمات تجبر القراء على الاحتفاظ بمزيد من المواد في الذاكرة. تتطلب تسلسلات الكلمات النادرة المزيد من الجهد لاسترجاعها ودمجها. تعمل هذه الميزات بمثابة مسطرة لقياس مدى صعوبة فهم النص فعليًا - على عكس مدى تعقيده.
قارن الباحثون الكتابة التي ينتجها الذكاء الاصطناعي مع خطين أساسيين: النص المكتوب بشريًا، وإعادة الصياغة المنتجة من خلال الترجمة ذهابًا وإيابًا، وهي أداة تحكم مصممة لفصل المراوغات النموذجية الحقيقية عن النكهة العامة للنثر الرسمي أو الآلي.
هذه السيطرة مهمة. يمكن للمتشككين أن يجادلوا بشكل معقول بأن نص الذكاء الاصطناعي يمكن قراءته ببساطة مثل الكتابة التجارية أو الفنية - الرسمية، وغير الشخصية، والمثقلة بالأسماء - بدلاً من إظهار علم الأمراض المتميز. تنتج الترجمة ذهابًا وإيابًا نصًا مصقولًا مشابهًا وغير طبيعي إلى حد ما دون أي تدريب على نموذج اللغة وراءه. إذا كانت نماذج الذكاء الاصطناعي لا تزال تتجاوز خط الأساس هذا فيما يتعلق بمقاييس صعوبة المعالجة، فيجب أن يأتي الفرق من شيء محدد يتعلق بكيفية تعلم النماذج نفسها الكتابة. وهذا، في جوهره، ما وجدته الدراسة.
ماذا وجدوا
وكانت النتائج متسقة في جميع المجالات. بالمقارنة مع الكتابة البشرية، فإن جميع النماذج الحدودية والقريبة من الحدود التسعة التي تم فحصها في الدراسة - وهي مجموعة تضم أنظمة من عائلات GPT-5.6، وClaude، وLlama، وDeepSeek، وQwen - اتخذت خيارات أكثر صعوبة بشكل ملحوظ:
- المزيد من الموضوعات الجامدة المقترنة بالأفعال المتحركة - نمط الذكاء الاصطناعي المميز للكتابة الذي تقوم فيه التجريدات "بالتعمق" أو "تسطير أسفل السطر" أو "تسليط الضوء".
- المزيد من الـ n-grams ذات التردد المنخفض، مما يعني تسلسلات كلمات غير عادية نادرًا ما ينتجها الكتّاب البشريون.
- التبعيات النحوية الأطول، مع الفصل بين الموضوعات والأفعال بمواد أكثر تداخلاً.
- المزيد من الأسماء المكدسة، وفي نص المحادثة، يتم تقليل الجمل النسبية للكائنات.
وثقت الدراسة أيضًا اختلافًا كبيرًا بين عائلات النماذج - ليست كل النماذج صعبة القراءة بنفس القدر - ووجدت أن نماذج الذكاء الاصطناعي استخدمت هذه الإنشاءات الصعبة في كثير من الأحيان أكثر من إعادة صياغة الترجمة ذهابًا وإيابًا، مما يشير إلى أن التأثير يقتصر على كيفية تدريب النماذج بدلاً من كونها قطعة أثرية من السجل الرسمي.
يعد هذا الاختلاف بهدوء أحد أكثر النتائج المفيدة في الورقة. إذا كانت صعوبة القراءة نتيجة حتمية للحجم أو القدرة، فإن جميع الأنظمة الحدودية سوف تتجمع معًا. بدلًا من ذلك، يشير الانتشار بين العائلات إلى أن خيارات ما بعد التدريب - مزيج البيانات، وإشارات المكافأة، والتركيز على المجالات التي تعتمد على التفكير الثقيل - تُشكل بشكل واضح كيفية وصول نثر النموذج إلى القارئ البشري. وبعبارة أخرى، فإن نص الذكاء الاصطناعي الذي يصعب قراءته هو نتيجة تصميمية، وليس نتيجة ثانوية حتمية للذكاء.
فرضية كثافة المعلومات
لماذا تنجرف النماذج نحو لغة أصعب؟ يقترح المؤلفون ويختبرون فرضية: بينما تتطور اللغة البشرية ويتم تعلمها تحت الضغط للتواصل بنجاح، يتم تحسين النص الناتج عن الذكاء الاصطناعي بشكل متزايد لتحقيق أهداف أخرى - الرياضيات والبرمجة ومهام الاستدلال - حيث يكون الضغط نحو كثافة المعلومات بدلاً من سهولة الفهم.
النموذج الذي يُكافأ على تجميع الإجابات الصحيحة في عدد أقل من الرموز يتعلم العادات التي تنتقل إلى النثر: ضغط المعنى، وتفضيل الكلمات الدقيقة ولكن النادرة، وتضمين المزيد من البنية لكل جملة. والنتيجة هي النص الذي يسجل نتائج جيدة في المعايير بينما ينمو بشكل مطرد أقل طبيعية للقراء البشر.
ولاختبار الفكرة، أجرى الباحثون تجربة لإثبات المفهوم: حيث قاموا بضبط نموذج اللغة تحت عقوبة الطول، مما أجبره على ضغط مخرجاته. لقد انحرف السلوك اللغوي للنموذج عن الأنماط الشبيهة بالإنسان بالطرق التي تتنبأ بها الفرضية تمامًا، مما يوفر دعمًا سببيًا لفكرة أن ضغط التحسين، وليس البيانات وحدها، هو الذي يقود هذا التحول.
لماذا يهم
تسلط النتائج الضوء على ما يسميه المؤلفون عدم التوافق بين متطلبات المعالجة اللغوية للبشر وتلك التي تفضلها ضمنيًا النماذج اللغوية الكبيرة. وهذا الاختلال له عواقب عملية. يفرض مساعدو الذكاء الاصطناعي، الذين ينتجون نصًا أكثر صعوبة في القراءة، ضريبة مخفية على كل إجابة، ويتفاقم التأثير عندما يقضي الأشخاص المزيد من وقت القراءة في المسودات والملخصات والتفسيرات التي يتم إنشاؤها بواسطة النموذج.
يجادل المؤلفون بأن إطار عملهم يشير إلى علاجات محتملة، وهي طرق لتدريب أو ضبط النماذج التي تحترم مخرجاتها حدود المعالجة البشرية، دون التضحية بالقدرة. هذه الورقة هي نسخة أولية ولم تخضع بعد لمراجعة النظراء، لكن ملاحظتها المركزية لها صدى بالفعل: فقد صعد العمل إلى الصفحة الأولى لـ Hacker News في 24 أكتوبر، مما أثار نقاشًا نشطًا حول ما إذا كانت المفاضلة بين الأداء المنطقي والنثر القابل للقراءة أساسية أم قابلة للإصلاح.
في الوقت الحالي، توفر الدراسة للقراء مفردات معتمدة للتعبير عن الإحباط المألوف. لا يزداد النص سوءًا عن طريق الصدفة، بل يصبح أكثر كثافة حسب التصميم.
المصادر: arXiv:2610.29162، مناقشة أخبار القراصنة---
ابق على اطلاع بأخبار الذكاء الاصطناعيآخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
