في عصر الذكاء الاصطناعي (AI) المتقدم، تتزايد أهمية نماذج الأساس (Foundation Models) في دعم التفكير المكاني المتعدد الأنماط والجغرافي. ولكن، كيف يؤثر تصميم الخرائط على فعالية هذه النماذج؟ في دراسة أحدث، تم التحقيق في كيفية تأثير لوحات الألوان، وترتيب الألوان، وتباين السطوع على الإدراك المكاني لنماذج الذكاء الاصطناعي.

تبنت الدراسة منهجية متكاملة حيث تم بناء معيار مرجعي يحتوي على 5760 خريطة و28800 سؤال، يغطي مجالات التعرف على الخصائص، والتعرف المكاني، والمقارنة، والتصنيف، وتحديد الأنماط. وقد تم تقييم 21 نموذجًا مفتوح المصدر واحتكاريًا.

أظهرت النتائج أن اختيار اللون له تأثير محدود وغير متسق، بينما كان لتغيير ترتيب الألوان المتسلسلة تأثير كبير في تقليل الأداء، خاصةً في عمليات المقارنة والتصنيف. كما كان لتقليل تباين السطوع أثر سلبي ملحوظ على الإدراك، في حين أن زيادة التباين بما يتجاوز حافة الفصل الكافية لم توفر سوى مكاسب طفيفة.

وبالرغم من أن التحسين باستخدام تقنيات LoRA قد زاد من الدقة العامة، إلا أنه أظهر تناسبًا نسبيًا مع هذه الحساسيات. أشارت تجارب إضافية إلى أن الأخطاء الناتجة ترتبط بفك تشفير الألوان والأساطير، والتفكير المكاني، ودمج السمات الموضوعية مع البنية المكانية.

تقدم هذه النتائج دليلًا تجريبيًا هامًا لتصميم الخرائط الذي يدعم الذكاء الاصطناعي، مؤكدة على أهمية الترتيب المتسلسل والتباين الكافي لفهم الآلات للخرائط.