Trong nhiều năm qua, các nhà nghiên cứu lo ngại rằng mô hình ngôn ngữ lớn (LLM) chỉ đang học cách 'nói cho giống' nhưng không thực sự hiểu logic. Một nhóm nghiên cứu tại MIT AI Laboratory vừa công bố phương pháp mới được gọi là 'Bio-Informed Alignment'. Thay vì chỉ học từ văn bản, các nhà khoa học đã đối chiếu hoạt động nội bộ của LLM với dữ liệu từ các thí nghiệm não bộ con người (fMRI) được thực hiện khi những người tham gia giải các bài toán logic.
Kết quả cho thấy có một sự tương đồng đáng kể giữa các pattern kích hoạt trong bộ não người và các tham số nhất định trong LLM hiện đại. Bằng cách sử dụng dữ liệu sinh học này để điều chỉnh (fine-tune) các lớp ẩn (hidden layers) của mô hình, nhóm nghiên cứu đã phát hiện ra rằng LLM trở nên cực kỳ tốt hơn trong việc phát hiện ra các mâu thuẫn logic ngầm mà trước đây chúng thường bỏ qua.
Nghiên cứu này, được đăng tải trên arXiv với hàng nghìn lượt trích dẫn chỉ trong vài ngày, không chỉ là một bước tiến lớn về lý thuyết mà còn có ứng dụng thực tế: các hệ thống chatbot hiện tại có thể được tinh chỉnh để giảm hiệu ứng 'nói dối' (hallucination) trong các lĩnh vực y tế và pháp luật, nơi sự chính xác là yếu tố sống còn.