مباشر

الطلبات الأخيرة

    شريط الأخبار
    أخبار بوتين والكرملين
    جائزة خالد الخطيب الدولية
    البرامج
    ترددات القناة
    عيد النصر على النازية
    دليلك إلى روسيا
    وقائع لا يطويها الزمن
    العمل مع RT
    أفلام وثائقية
    كلاشينكوفا
    تطبيقات القناة
    اختراعات روسية
    المكتبة الروسية
    دروس اللغة الروسية
    59 خبر
    • رياضة
    • العملية العسكرية الروسية في أوكرانيا
    • انتخابات الدوما الروسي
    • رياضة

      رياضة

    • العملية العسكرية الروسية في أوكرانيا

      العملية العسكرية الروسية في أوكرانيا

    • انتخابات الدوما الروسي

      انتخابات الدوما الروسي

    • المواجهة الحوثية السعودية

      المواجهة الحوثية السعودية

    • حرب الخليج

      حرب الخليج

    • فيديوهات

      فيديوهات

    • بيسكاريف: محاولات الدول غير الصديقة للتدخل في الانتخابات الروسية باءت بالفشل

      بيسكاريف: محاولات الدول غير الصديقة للتدخل في الانتخابات الروسية باءت بالفشل

    العالم الرقمي و Social media
    تاريخ النشر: 05.11.2025 | 09:46 GMT

    البيانات غير المفيدة تجعل الذكاء الاصطناعي "أغبى" وأكثر ميلا للأخطاء!

    يحذر الباحثون من أن النماذج اللغوية الكبيرة قد تصبح أقل دقة وأكثر عرضة للأخطاء عندما تُدرَّب على كميات ضخمة من المحتوى منخفض الجودة المنتشر على شبكات التواصل الاجتماعي.

    البيانات غير المفيدة تجعل الذكاء الاصطناعي "أغبى" وأكثر ميلا للأخطاء!

    ووفقا لدراسة نُشرت على خادم ما قبل الطباعة arXiv، نقلا عن مجلة Nature، قام علماء من جامعة تكساس في أوستن بتحليل تأثير البيانات "غير المفيدة" — مثل المنشورات القصيرة السطحية ومواد الإثارة — على سلوك الذكاء الاصطناعي. وركّزت الدراسة على جوانب متعددة تشمل المنطق والاستدلال، واستخراج المعلومات من النصوص الطويلة، والأخلاقيات، وحتى السمات الشخصية للنماذج.

    وأظهرت النتائج أنه كلما ارتفعت نسبة البيانات الرديئة في عملية التدريب، زادت أخطاء النماذج اللغوية وتراجع منطقها، بما في ذلك في الاختبارات متعددة الخيارات.

    وأعاد الباحث الرئيسي تشانغيانغ وانغ التذكير بالمبدأ الكلاسيكي في علوم الذكاء الاصطناعي:"القمامة في المدخلات تعطي قمامة في المخرجات."

    وأكد التحليل الجديد أهمية انتقاء البيانات بعناية عند تدريب النماذج. فقد استخدم الباحثون مليون منشور من منصة تواصل اجتماعي شهيرة لإعادة تدريب النموذجين المفتوحين Llama 3 وQwen — حيث يُعرف الأول باتباع التعليمات، بينما يُصنف الثاني كنموذج استدلالي.

    وأظهر التحليل أن نموذج Llama تغيّر سلوكه بعد التدريب على البيانات منخفضة الجودة، إذ انخفضت السمات "الإيجابية" وظهرت سمات "سلبية" مثل النرجسية والاعتلال النفسي.

    أما محاولات تصحيح الخلل — مثل إعادة التدريب على بيانات عالية الجودة أو تعديل التعليمات — فقد حسّنت الأداء جزئيًا فقط، بينما استمرت مشكلات التفكير المنطقي وتخطي الخطوات التحليلية.

    ويكتسب هذا الموضوع أهمية خاصة في ظل توجه منصات التواصل الاجتماعي إلى توسيع استخدام بيانات المستخدمين لتدريب أنظمة الذكاء الاصطناعي. فعلى سبيل المثال، تخطط شركة LinkedIn اعتبارا من نوفمبر الجاري لاستخدام بيانات المستخدمين الأوروبيين في أنظمتها التوليدية.

    المصدر: Naukatv.ru

     

     

    التعليقات

    هام