طراحی معماری یکپارچه مدل‌های زبانی بزرگ انسان‌محور: مدل‌سازی چندهدفه شخصی‌سازی، تبیین‌پذیری وفادار و عدالت زبانی

سعیده نادری¹ رضا غلامرضایی²

1) دانشجوی دکتری مهندسی کامپیوتر، واحد کرمان، دانشگاه آزاد اسلامی، کرمان، ایران،
2) گروه کامپیوتر، واحد کرمان، دانشگاه آزاد اسلامی، کرمان،

کد IOI مقاله : AAHD-ABCDKF
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    با گسترش مدل‌های زبانی بزرگ به‌عنوان زیرساخت اصلی سامانه‌های هوش مصنوعی مولد، رویکردهای عمومی و غیرتطبیقی این مدل‌ها با چالش‌هایی اساسی مواجه شده‌اند؛ از جمله ناتوانی در انطباق با ویژگی‌های فردی کاربران، فقدان شفافیت در منطق تصمیم‌گیری و شکاف عملکردی میان زبان‌های پرمنبع و کم‌منبع. این وضعیت ضرورت گذار از معماری‌های میانگین‌محور به سوی مدل‌های انسان‌محور، تطبیق‌پذیر و مسئولانه را برجسته می‌سازد. هدف این پژوهش ارائه چارچوبی یکپارچه برای توسعه مدل‌های زبانی بزرگ انسان‌محور از طریق همگرایی سه بُعد مکمل شامل شخصی‌سازی چندسطحی، تبیین‌پذیری وفادار و عدالت چندزبانه است. در این راستا، با بهره‌گیری از روش مرور تحلیلی–تطبیقی مطالعات اخیر، ابعاد شخصی‌سازی در سطوح ورودی، سازگاری پارامتری و هم‌ترازی هدف، رویکردهای تولید توضیح هم‌راستا با رفتار واقعی مدل، و سازوکارهای انتقال دانش بین‌زبانی و یادگیری کم‌نمونه‌ای برای زبان‌های کم‌منبع تحلیل و در قالب یک چارچوب معماری یکپارچه تلفیق شده‌اند. چارچوب پیشنهادی تعامل این سه مؤلفه را به‌مثابه یک مسئله بهینه‌سازی چندهدفه صورت‌بندی می‌کند که در آن بهینه‌سازی همزمان مطلوبیت کاربر، وفاداری تبیین و کاهش شکاف زبانی مستلزم ایجاد توازن میان قیود حریم خصوصی، هزینه محاسباتی و پایداری عملکرد است. تحلیل مفهومی نشان می‌دهد که همگرایی ساختاری این ابعاد می‌تواند به افزایش اعتماد کاربران، بهبود کارایی در کاربردهای واقعی و ارتقای عدالت زبانی در سامانه‌های هوش مصنوعی منجر شود.

کلمات کلیدی : مدل‌های زبانی بزرگ شخصی‌سازی چندسطحی تبیین‌پذیری وفادار عدالت زبانی هوش مصنوعی انسان‌محور