شهد عالم الذكاء الاصطناعي (AI) مؤخرًا دخول معيار جديد يمكن أن يُحدث ثورة في تحليل الدوائر الكهربائية، وهو CircuitReason-1K. يعتمد هذا المعيار على 1000 مسألة حقيقية من الكتب الدراسية ويهدف إلى تقييم القدرة على تفسير وتحليل الأنظمة الكهربائية بطريقة بصرية ورمزية.

غالبًا ما يحتاج محللو الدوائر الكهربائية إلى أكثر من مجرد التعرف على عناصر الدائرة في صورة. يتطلب الأمر ربط الرموز والعناوين، واستعادة الطوبولوجيا الكامنة، واختيار نموذج فيزيائي، وصياغة معادلات مترابطة، وانتقال الكميات الوسيطة بشكل دقيق مع الحفاظ على الوحدات والإشارات والاتجاهات.

يعتمد CircuitReason-1K على سلسلة من الأسئلة المدروسة وعرض رسم يوضح الدائرة، مع إجابة محددة مرجعية. تم تنظيم المسائل وفق تصنيف يسهل فهمه يعتمد على نوع الدائرة وعمق الاعتماد، مما يسهل عملية التقييم.

لكن، رغم أن أعلى نظام حراري قد سجل 84.8% دقة، إلا أن النتائج عادة ما تتدهور عند التحدي بمشكلات طويلة الأمد، مما يكشف عن ضعف مستمر في ربط الطوبولوجيا بالهدف، ومراعاة القواعد الفيزيائية، ونقل المخرجات في المراحل المتأخرة.

يقدم مشروع CircuitReason-1K منصة اختبار موجهة لقياس ما إذا كانت نماذج الوسائط المتعددة يمكنها تحويل الأدلة البصرية التقنية إلى تفكير رمزي مستدام ذو مصداقية. الشفرة المتاحة على GitHub - CircuitReason/CircuitReason1K تفتح الأبواب لمزيد من التطويرات والتحسينات في هذا المجال المثير.