تعد القدرة على حل المشكلات الميكانيكية النوعية (Qualitative Mechanical Problem Solving - QMPS) من أبرز جوانب الذكاء البشري، حيث تسمح لنا بالتعامل مع مجموعة واسعة من المهام بدءًا من الأمور اليومية البسيطة مثل فتح صنبور المياه، وصولاً إلى المهام المعقدة في مجالات تتطلب دقة عالية مثل الطب الطارئ أو السباكة أو القيادة.

في الآونة الأخيرة، تم تسليط الضوء على تقييم اثنين من النماذج متعددة الأنماط الرائجة في هذا المجال، وهما Gemma-3 وQwen-VL، لتحديد قدرتهما على فهم وتحليل الصور المتعلقة بالمشكلات الميكانيكية. حيث تقوم هذه النماذج بمحاكاة عملية التفكير المنطقي (Chain of Thought - CoT) لتقديم إجابات دقيقة على هذه المشاكل.

تُظهر الصور المستخدمة في التقييم حقائق نوعية مثل نقاط الاتصال في التروس، وعلاقات الدعم، والأوزان النسبية، مما يساعدنا في قياس قدرات النماذج في التفكير المكاني ومعرفة الأمور الشائعة. تم تقييم نتائج النماذج من خلال مقارنة التفكير المنطقي ومدى التناسق والشمولية لتسلسلات الإجابات، فضلاً عن مقارنة الإجابات النهائية بالحلول المعتمدة.

تحتل هذه الأنماط من النماذج مكانة رائدة في تقدم الذكاء الاصطناعي وتطبيقاته في مجالات لا حصر لها. فكيف ترى تأثير هذه التطورات على المستقبل؟ شاركونا في التعليقات!