تعتبر نماذج رؤية-لغة (Vision-Language Models) من الأدوات الأساسية في مجال الذكاء الاصطناعي، حيث تتطلب الكثير من التكيّف لتلبية متطلبات البيئات الديناميكية. ولتجاوز القيود الحالية التي تحد من إمكانية التكيّف الفوري، تم تقديم نظام جديد يدعى ComMem (الذاكرة التكميلية) مستلهمًا من الأنظمة البيولوجية في الدماغ.

يتكون ComMem من مكونين رئيسيين: الذاكرة التفصيلية السريعة، المستوحاة من الحُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُن

تساعد هذه الذاكرة على إنشاء ذاكرة ديناميكية من خلال جمع بيانات واضحة وعالية الثقة في الوقت الفعلي، بينما تعمل الذاكرة المجردة على تحسين النماذج اللغوية بصفة مستمرة.

انتشر تطبيق هذا النظام في 15 مجموعة بيانات مرجعية، حيث أثبت ComMem تفوقه بشكل كبير على الأساليب الحالية التي تعتمد على تحويل البيانات، مما يفتح الأفق لتطبيقات أوسع وأفضل في مجالات الذكاء الاصطناعي. إن هذا الإنجاز يمثل خطوة مهمة نحو تعزيز مرونة وكفاءة نماذج رؤية-لغة في استخدامات العالم الحقيقي.