في عالم الذكاء الاصطناعي، يمثل فهم كيف يرى الآخرون من زاوية معينة نقطة محورية في التواصل الاجتماعي المدعوم بالخوارزميات. لذلك، نقدم لكم اليوم اكتشافًا مذهلاً يكشف عن انحياز أناني مستمر في نماذج الرؤية-اللغة (Vision-Language Models).

مؤخراً، أُطلقت دراسة رائدة تحمل عنوان ”FlipSet“، والذي يمثل مؤشرًا تشخيصيًا خاصًا لتقييم مستوى تقدير وجهات النظر (Level-2 Visual Perspective Taking) في نماذج الرؤية-اللغة. هذا الاختبار يتطلب من النماذج محاكاة دورات بزاوية 180 درجة لنصوص شخصيات ثنائية الأبعاد من وجهة نظر وكيل آخر، مما يساعد في فصل التحولات المكانية عن التعقيد الثلاثي الأبعاد.

الدراسة أجرت تقييمًا على 103 نموذج من نماذج الرؤية-اللغة، وكشفت نتائجها عن وجود انحياز أناني منهجي، حيث أدت الغالبية العظمى من النماذج أقل من معدل النجاح العشوائي، مع تكرار حوالي ثلاثة أرباع الأخطاء في إعادة إنتاج وجهة نظر الكاميرا.

عبر التجارب الضابطة، تم توضيح عجز تركيبي، حيث حققت النماذج دقة عالية في المفاهيم الاجتماعية ودقة فوق المعدل في الدوران العقلي في عزلة، لكنها فشلت بشكل كارثي عندما كانت بحاجة إلى التكامل. هذا الانفصال يشير إلى أن نماذج الرؤية-اللغة الحالية تفتقر إلى الآليات اللازمة لربط الوعي الاجتماعي بالعمليات المكانية، مما يبرز قيودًا أساسية في التفكير المكاني المعتمد على النماذج.

FlipSet يقدم بيئة اختبار مدعومة معرفيًا لتنفيذ تشخيص لقدرات تقدير وجهات النظر في الأنظمة متعددة الوسائط، مما يمثل خطوة مهمة في فهم كيف يمكن للذكاء الاصطناعي تحسين تفاعلاته الاجتماعية وتقديراته المكانية.