موتور دیفرانس مدل های زبانی بزرگ و پساساختارگرایی

هدف: این مقاله استدلال می کند که مدل های زبانی بزرگ، مانند معماری های ترنسفورمر از نوع GPT، مفهوم «دیفرانس» ژاک دریدا را به شکل عملی تحقق می بخشند.روش پژوهش: با تکیه بر چارچوب نظریه پساساختارگرایی و نشانه شناسی، مقاله بررسی می کند که مدل های زبانی بزرگ چگونه با محاسبه تفاوت های آماری در میان مجموعه های متنی عظیم، محتوای معنادار تولید کرده و بدین ترتیب فرآیندهای فاصله گذاری، زمان مندی و اثر را در کانون توجه قرار می دهند.یافته ها: مقاله نشان می دهد که مدل های زبانی بزرگ را می توان به عنوان «موتورهای دیفرانس» در نظر گرفت که سازوکارهای نظریه پردازی شده توسط دریدا را به صورت محاسباتی به اجرا درمی آورند. همچنین مقاله به پیامدهای فلسفی این هم ترازی از جمله چالش های پیش روی نشانه محوری، مولف محوری و متافیزیک حضور می پردازد و به سه نقد احتمالی پاسخ می گوید که استفاده از آثار دریدا در این زمینه ادامه و بازبیان منطق آن است.نتیجه گیری: مقاله با شناسایی سه محدودیت سیستمی و ترسیم فرصت هایی برای پژوهش های آتی در این حوزه نتیجه گیری می کند و نشان می دهد که از یک سو چگونه می توان مدل های زبانی بزرگ را از منظر نظریه پساساختارگرایی خوانش کرد، و از سوی دیگر چگونه نظریه پساساختارگرایی می تواند از طریق عملیات فنی هوش مصنوعی معاصر تبیین و قابل دسترس شود.

کلیدواژه ها:

هوش مصنوعی ، ژاک دریدا ، دیفرانس ، مدل های زبان بزرگ ، فلسفه فناوری ، پساساختارگرایی ، نشانه شناسی