🔵پدیدار شدن مدل های بازگشتی🔵
یکی از شگفت انگیز ترین دگرگونی های سال های اخیر در هوش مصنوعی توجه بیشتر به ارزش فرآیند های «بازگشتی» است. برای بهتر فهمیدن این موضوع می توان به مثال مدل های زبانی بزرگ (LLM) نگریست. اندکی پس از اینکه دقت چنین مدل هایی به جایی رسید که خروجی آن سودمند باشد بسیاری دریافتند که اگر خروجی چنین مدل هایی را دوباره به خودشان بدهیم و قدری آن را کنترل کنیم چیزی که به اسم «زنجیره ی اندیشه ها» (Chain of Thoughts) مشهور است، نتایج بهتری می توان گرفت! انگار مدل شروع به تولید برخی اندیشه ها می کند که می تواند دوباره به آن ها فکر کند! این بسیار شبیه به روند اندیشیدن انسان است. ما معمولا اندیشیدن را یک فرآیند دنباله ای میبینیم که در آن یک مساله ی بزرگ به تکه های کوچک تر تقسیم شده و هر قسمت جداگانه واکاوی و حل می شود! این روند «بازگشتی» در برخی موارد می تواند بسیار مفید باشد و طول استدلال را بیشتر کند.
مدل های زبانی بزرگ امروز از چنین روشی برای اندیشیدن و گرد آوری اطلاعات و بازاندیشی بهره برده و قادر به حل مسايل پیچیده ی ریاضی و اثبات های دقیق یا نوشتن کد های بزرگ در اندازه ی پروژه ها هستند (مانند بخش Thinking در بسیاری از مدل های تجاری امروز مانند جمنای یا چت جی پی تی). اما این روند به چنین روش های زمان استنتاج (inference) بسنده نکرده است. پیشرفت در زمینه ی مدل های زبانی بازگشتی (Recursive Language Models) یا بزرگ کردن استدلال با مدل های زبانی چرخشی (Scaling Latent Reasoning via Looped Language Models) از معماری های کوچکتر اما بازگشتی در زمان آموزش (training) استفاده می کنند. به عنوان مثال در مدل های زبانی بازگشتی (RLM) تنها یک لایه وجود دارد که خروجی آن به ورودی وصل می شود. این معماری از یک روند بازخورد (بازگشت) برای «اندوختن» ( encode) اطلاعات استفاده می کند.
اگر شما از مهندسی برق و کنترل آمده باشید می دانید که سیستم های بازگشتی یک کابوس در فرآیند ساخت و ساز است! از وظایف مهندسی که یک سیستم را طراحی می کند پیدا کردن قطب ها (ورودی هایی که منجر به بازخورد مثبت (positive feedback) و انفجار می شوند) و دوری از آن هاست. اگر یک امپلیفایر خروجی یک بخش را گرفته و به صورت اشتباه به ورودی وصل کند آن سیستم تخریب می شود. از طرف دیگر بازخورد (feedback) منفی یه فرآیند بازگشتی است که می تواند سیستم را خاموش کند. این مشکل بی گمان در مورد شبکه های عصبی مصنوعی هم می تواند رخ بدهد، مشکلی که به عنوان «گرادیان ناپدید شونده» (vanishing gradient) و «گرادیان منفجر شونده» (exploding gradient) شناخته می شوند.
به طور کلی می توان یک سیستم دینامیکی بازگشتی را به صورت زیر تعریف کرد
x_{n+1} = f(x_n)
اگر یک ورودی به آن وارد شود در هر سو (dimension) می تواند سه حالت داشته باشد: یا کشیده شود (مقدار ویژه (eigenvalue) بزرگتر از صفر) یا فشرده تر شود (کوچکتر از صفر) یا تغییری نکند (برابر با صفر). سرنوشت ورودی ترکیبی از این سه حالت است.
بسیاری از شکست های نخستین در دهه ۸۰ و ۹۰ میلادی برای ساخت چنین شبکه های عصبی ای به این دلیل بود که بیشترشان در نهایت داده های اولیه را از بین میبردند و خروجی نهایی به یک «نقطه ایستا» (fixed point attractor) می رسید. برای درک بهتر چنین سرنوشتی می توان به مثال خمیر بازی دقت کرد. اگر شما گلوله ای از خمیر بازی (به عنوان داده ی ورودی) را بکشید و و فشرده کنید (نگاشت نانوا (baker's map)) و این کار را ادامه دهید در نهایت به یک گلوله ی یک شکل و یکنواخت می رسید. مهم نیست از چه شکل گلوله ای شروع می کنید نتیجه همیشه به این نقطه ی ایستای یکنواخت می رسد! چنین نگاشت هایی ساختار اولیه را از بین میبرند و سودمند نیستند.
February 23, 2026 341 1
