ترجمه فارسی مقاله آیا استدلال پدیدار می شود؟ بررسی احتمالات علیت در مدل های زبانی بزرگ

چکیده

Recent advances in AI have been significantly driven by the capabilities of large language models (LLMs) to solve complex problems in ways that resemble human thinking. However, there is an ongoing debate about the extent to which LLMs are capable of actual reasoning. Central to this debate are two key probabilistic concepts that are essential for connecting causes to their effects: the probability of necessity (PN) and the probability of sufficiency (PS). This paper introduces a framework that is both theoretical and practical, aimed at assessing how effectively LLMs are able to replicate real-world reasoning mechanisms using these probabilistic measures. By viewing LLMs as abstract machines that process information through a natural language interface, we examine the conditions under which it is possible to compute suitable approximations of PN and PS. Our research marks an important step towards gaining a deeper understanding of when LLMs are capable of reasoning, as illustrated by a series of math examples.

چکیده به فارسی (ترجمه ماشینی)

پیشرفت های اخیر در هوش مصنوعی به دلیل قابلیت های مدل های بزرگ زبان (LLM) به طور قابل توجهی هدایت شده است تا مشکلات پیچیده را به روش هایی که شبیه تفکر انسان است ، حل کند.با این حال ، یک بحث مداوم در مورد میزان LLM ها قادر به استدلال واقعی وجود دارد.مهم این بحث دو مفهوم احتمالی مهم است که برای اتصال علل به اثرات آنها ضروری است: احتمال ضرورت (PN) و احتمال کفایت (PS).این مقاله چارچوبی را ارائه می دهد که هم نظری و هم عملی است ، با هدف ارزیابی چگونگی LLM ها به طور مؤثر قادر به تکرار مکانیسم های استدلال در دنیای واقعی با استفاده از این اقدامات احتمالی هستند.با مشاهده LLM ها به عنوان ماشین های انتزاعی که اطلاعات را از طریق یک رابط زبان طبیعی پردازش می کنند ، شرایطی را بررسی می کنیم که در آن می توان تقریب مناسب PN و PS را محاسبه کرد.تحقیقات ما یک گام مهم برای به دست آوردن درک عمیق تر از زمان LLM ها قادر به استدلال است ، همانطور که توسط یک سری از نمونه های ریاضی نشان داده شده است.