في عالم الذكاء الاصطناعي، تُعتبر نماذج الرؤية واللغة (Vision-Language Models) من أبرز الابتكارات الحديثة، حيث أظهرت أداءً قويًا عبر مجموعة متنوعة من المهام المتعددة الوسائط. ومع ذلك، لا تزال هذه النماذج تعاني من ضعف القدرة على الاستدلال، مما يجعلها عرضة للأخطاء.

حتى الآن، كانت طرق التصحيح الذاتي التقليدية تعتمد بشكل أساسي على التغذية الراجعة المعقدة بعد التدريب، مما يكلف وقتًا وموارد كبيرة. لكن، ماذا لو كان بالإمكان تحسين هذا الأداء دون الحاجة لتدريب جديد؟

هذا السؤال هو ما قاد الباحثين لاستكشاف دور الإشارات العاطفية في تنشيط سلوكيات التصحيح الذاتي الكامنة في النماذج دون أي تدريب إضافي. في دراستهم، أظهر الباحثون أن الإشارات العاطفية تعمل كمنبه فعال للتصحيح الذاتي، مما يشجع النماذج على التفكير بشكل أكثر حذرًا وتروٍّ.

لتحقيق ذلك، قام الباحثون بتقديم إطار عمل جديد يُعرف باسم ESC (Emotional Self-Correction)، الذي يتضمن مُحققًا خارجيًا يتعرف على الإجابات المحتملة الخطأ ويقدم ملاحظات عاطفية لتحفيز النموذج على التفكير مرة أخرى وتقديم إجابات أفضل.

أظهرت التجارب الواسعة عبر مجالات مختلفة مثل السلامة، وتحسين التصور البصري، والتفكير المتعدد الوسائط، أن ESC يحسن من موثوقية النماذج بشكل مستمر، مع الحفاظ على فائدتها الكلية.

يعتبر هذا الابتكار بمثابة خطوة قوية نحو تحقيق نماذج ذكاء اصطناعي موثوقة تشبه البشر، والتي يمكن أن تستخدم العواطف كإشارات تحكم عملية التصحيح الذاتي.

ويمكنك اكتشاف المزيد عن هذا المشروع الفريد عبر موقعهم الرسمي: [https://genai4e.github.io/ESC/].