اختبار الرؤية النشطة: هل تستطيع نماذج الذكاء الاصطناعي إدراك العالم كما نفعل؟

في دراسة حديثة، تم تقديم مفهوم جديد يحمل اسم "ActiveVision"، والذي يمثل اختبارًا مبتكرًا قادرًا على قياس مدى قدرة نماذج اللغة الكبيرة (MLLMs) على ممارسة الملاحظة النشطة. ويتمثل المفهوم الرئيسي هنا في أن الإدراك البصري ليس مجرد صورة ثابتة، بل هو حلقة مغلقة تتضمن إعادة توجيه النظرة استنادًا إلى فرضيات متوسطة.

على مدار عقود، أكدت الأبحاث في علم النفس وعلم الإدراك أن هذه الملاحظة النشطة ضرورية للعديد من المهام. ومع ذلك، تبقى تساؤلات مهمة حول ما إذا كانت نماذج الذكاء الاصطناعي الحالية، مثل نموذج GPT-5.5، تستطيع أداء هذه المهام بشكل فعّال.

اختبر الباحثون 17 مهمة ضمن 3 فئات مختلفة، حيث تم تصميم المهام بحيث تستلزم تكرار إدراك بصري بدلاً من الاعتماد على وصف ثابت واحد فقط. النتائج كانت مثيرة للغاية، حيث أن أعلى نموذج تقييم، GPT-5.5، تمكن فقط من حل 10.6% من المهام، بينما سجل صفرًا في 11 من أصل 17 مهمة. حتى نموذج Claude Fable 5، الذي يحتل مرتبة عالية في العديد من التصنيفات، لم يحقق سوى 3.5%.

عندما يتعلق الأمر بالمنافسة مع البشر، فإن النتائج تبين أن المشاركين الثلاثة ممن يمتلكون قدرات إدراكية بصرية فطرية حققوا متوسط نقاط بلغ 96.1%.

تشير هذه النتائج إلى فجوة كبيرة بين القدرات الإدراكية للبشر ونماذج الذكاء الاصطناعي الحالية، مما يدفع باحثي الذكاء الاصطناعي لإعادة التفكير في هياكل النماذج وأهداف التدريب لتقليص هذه الفجوة. إن القدرة على إدراك العالم بصورة ديناميكية هي ميزة بشرية فريدة، والسؤال المطروح الآن هو: هل يمكن لنماذج الذكاء الاصطناعي أن تقترب من تطوير مثل هذه القدرات؟