در ستون امروز، به روشی جدید برای پرده‌برداری از پیچیدگی‌های هوش مصنوعی مولد و مدل‌های زبان بزرگ (LLMs) از طریق استفاده از مفهوم ریاضی زنجیره‌های مارکوف می‌پردازم. برای کسانی که با این روش آشنا نیستند، زنجیره‌های مارکوف روشی است که در دوره‌های آماری درس داده می‌شود و می‌تواند بینش‌هایی درباره فرآیندهای هوش مصنوعی و LLM ارائه دهد. زنجیره‌های مارکوف فرآیندها را به عنوان مجموعه‌ای از حالت‌ها یا قدم‌ها مدل‌سازی می‌کنند که با توجه به احتمال از یک حالت به حالت دیگر منتقل می‌شوند. برای مثال، یک سفر به DMV را در نظر بگیرید: شما بر اساس احتمالات فرآیند اداری لازم، از پنجره ثبت نام به یک پنجره پردازش یا تمیزکاری منتقل می‌شوید. به طور مشابه، زنجیره‌های مارکوف شامل حالت‌ها و انتقال‌هایی بر اساس احتمالات آماری هستند، همان‌طور که برای اولین بار توسط ریاضیدان روسی، آندری مارکوف، در سال ۱۹۱۳ هنگام تحلیل توالی حروف در متون ادبی مفهوم‌سازی شد. هوش مصنوعی مولد، مانند ChatGPT و سایر LLMها، بر اساس انتقال‌های مبتنی بر حالت مشابه آن عمل می‌کند و محتوای نوشته شده را به نقطه‌ داده‌های رمزگذاری‌شده تبدیل کرده و بر اساس احتمالات، پیش‌بینی می‌کند که توکن بعدی ممکن کدام خواهد بود.

در حالی که پژوهشگران سعی دارند این فرآیندهای هوش مصنوعی را درک کنند، استفاده از زنجیره‌های مارکوف ممکن است درباره رفتارهای به ظاهر مبهم هوش مصنوعی چیزهایی را آشکار کند. مطالعات اخیر پیشنهاد می‌دهند که مشاهده LLMها به عنوان زنجیره‌های مارکوف، با استفاده از انتقالات حالت‌سازمان‌دهی‌شده و محاسبه پیش‌بینی‌ها از واژگان محدود و پنجره‌های متنی، می‌تواند کارساز باشد. برخی از حرفه‌ای‌های صنعت بحث می‌کنند که آیا زنجیره‌های مارکوف می‌توانند پیچیدگی‌های هوش مصنوعی را به طور کامل حل کنند؛ اما شاخص‌های اولیه نشان می‌دهند که این مدل‌ها ممکن است عملیات توکنی هوش مصنوعی را تحت شرایط خاصی تقریب بزنند. با وجود محدودیت‌ها، به ویژه در مورد تمرکز سنتی زنجیره‌های مارکوف بر حالت‌های فعلی بدون توجه به حالت‌های قبلی، پژوهشگران در حال گسترش مرزها با بررسی قابلیت‌کاربست آن‌ها در هوش مصنوعی مولد هستند. مطالعات در حال انجام هدف دارند تا به کمک مفاهیم مارکوف روشن‌گر قابلیت‌های پیشرفته هوش مصنوعی باشند، با نمایش پتانسیل ممکن ولی نه هنوز قاطع در بینش‌های عملیات هوش مصنوعی. چشم‌انداز پژوهشی در حال تکامل همچنان به پرسش و تعدیل درک ما از هوش مصنوعی مولد از طریق چارچوب‌های ریاضی کلاسیک مانند زنجیره‌های مارکوف ادامه می‌دهد و نوید کشف مداوم در قابلیت‌ها و مکانیزم‌های داخلی هوش مصنوعی را می‌دهد.