في عالم الذكاء الاصطناعي اليوم، تعتبر التمثيلات متعددة الأنماط (Multimodal Representations) أداة قوية للتصنيف دون الحاجة لبيانات مسبقة. ومع ذلك، عادة ما تتطلب عملية التنسيق بين النماذج المدربة بشكل مستقل كميات كبيرة من البيانات المقترنة. هنا تأتي فرضية التمثيل الأفلاطوني (Platonic Representation Hypothesis) لتقدم رؤية جديدة، حيث تقترح أن النماذج المدربة على أنماط مختلفة قد تتقارب بشكل عفوي نحو هندسة تمثيلية مشتركة.

لكن، هل فعلاً نحتاج إلى أمثلة مقترنة لتحقيق التنسيق بين الأنماط؟

في بحث حديث، أظهر العلماء أنه يمكن تحقيق التنسيق بين الأنماط بشكل فعال دون الحاجة إلى أمثلة مقترنة، وذلك من خلال استخدام طريقة واسيشتاين بروكرستيس (Wasserstein Procrustes) التي تعتمد على بدء هندسي بسيط. طريقة الإعداد الهندسي هذه قادرة على تنسيق مجموعتين مستقلتين من التمثيلات من خلال تقدير خريطة عمودية واحدة دون الحاجة إلى مشاهدة أي أزواج.

على مدار البيانات المختلفة، والأنماط، والنماذج الأحادية، أوضح الباحثون كيف يمكن تحقيق التنسيق بين التمثيلات التي تم تدريبها بشكل مستقل، موضحين أن المقاييس الهندسية القياسية قادرة على توقع متى يكون هذا التنسيق ممكنًا. ومع ذلك، فإن الاستفادة من الأمثلة المقترنة لا تزال مفيدة، حيث يُظهر البحث أن المنهج المستخدم يتفوق بشكل ملحوظ في حالة وجود عدد قليل من الأزواج، في حين يبقى تنافسيًا مع منهجيات قائمة على الأزواج مع زيادة عدد الأمثلة.

وفي نهاية المطاف، يُعزز هذا البحث فكرة أن النماذج المدربة بشكل مستقل غالبًا ما تشترك في هندسة كافية لإنشاء توافقات بين الأنماط المتعددة مع القليل من البيانات أو من دون بيانات مقترنة. هذه النتائج تشير إلى آفاق جديدة في مجال التنسيق بين الأنماط، مما يفتح المجال أمام تطوير تقنيات مثل توليد النص إلى صورة دون الحاجة إلى بيانات مقترنة.