ما المشترك بين التاروت وخوارزمية فيتيربي ونماذج اللغات الكبيرة: كيف تختار خوارزمية معنى واحدًا من بين العديد

تستعرض المقالة المنشورة على حبر كيفية نمذجة تفسير بطاقات التاروت كاختيار أفضل مسار دلالي متماسك من بين عدة مرشحين، على غرار خوارزميات مثل فيتيربي والبحث الشعاعي. يبدأ المؤلف بفكرة أن البطاقة تعمل كدالة تحويل من السياق والمعنى الأصلي إلى مجموعة من التفسيرات المحتملة، لكنه يجادل بأن وحدة البحث يجب أن تكون مسارًا دلاليًا كاملًا، وليس تفسيرًا واحدًا. يُظهر مثال ملموس بخمس حالات (الركود، إعادة التفكير، الموارد، العمل، الانتقال) وثلاث بطاقات (الرجل المعلق، الساحر، العربة) أن النهج الجشع يختار مسارًا دون الأمثل مقارنةً بالحل الأمثل الشامل لخوارزمية فيتيربي. النموذج الرسمي هو سلسلة ماركوف غير المتجانسة الشرطية، حيث يقوم فك ترميز فيتيربي بإيجاد المسار الأقصى الدقيق في زمن O(n*S^2). ومع ذلك، عندما تعتمد الدرجة على التاريخ الكامل أو النص الحر، يُفقد البنية المثلى، ويُستخدم البحث الشعاعي كطريقة تقريبية، مع مناقشة البحث الشعاعي المتنوع أيضًا. تقارن المقالة بين فيتيربي، البحث الشعاعي، البحث الشعاعي المتنوع، خوارزمية A*، MCTS، وإعادة ترتيب LLM، وتذكر الرسوم البيانية العواملية والشروط العشوائية الخطية كصيغ أكثر عمومية. كما تلاحظ أن المعاني الحقيقية قد لا تتلاءم مع حالات منفصلة، لذا يمكن استخدام متجهات التضمين الدلالي وإعادة ترتيب LLM، وتقترح اتجاهات لتحويل هذا التوضيح إلى بحث حول ممارسة التاروت المدعومة بالذكاء الاصطناعي.