Bilim insanları, büyük dil modellerinin (LLM) insan beyninin dil işleme süreçlerini nasıl taklit ettiğini gösteren detaylı bir harita oluşturmayı başardı. Bu araştırma, yapay zeka ve nörobilim alanlarında uzun süredir merak edilen bir soruya yanıt veriyor.
Araştırmacılar, sparse autoencoder (SAE) adlı teknolojiyi kullanarak GPT-2 XL ve Llama-3.1-8B modellerini detaylı olarak analiz etti. Her katmanda 16 bin ile 32 bin arasında yorumlanabilir özellik tespit eden ekip, bu özellikleri sistematik olarak sınıflandırdı.
Çalışmanın en dikkat çekici bulgusu, dil modellerinin ara katmanlarının insan beyin tepkilerini en yüksek doğrulukla tahmin etmesidir. Bu durum, yapay zekanın dil işleme sürecinde insan beyni ile benzer stratejiler kullandığını gösteriyor.
Araştırma ekibi, semantik özelliklerin tek başına %94 oranında başarı sağladığını tespit etti. Bu oran, gelişigüzel seçilen kontrol gruplarından önemli ölçüde yüksek çıktı. Bulgular, yapay zeka sistemlerinin dil anlama sürecinde beyinle benzer semantik haritalar kullandığını ortaya koyuyor.
Bu keşif, hem yapay zeka teknolojilerinin geliştirilmesinde hem de insan beyninin dil işleme mekanizmalarının anlaşılmasında önemli adımlar atılmasına katkı sağlayacak.