في عصر الذكاء الاصطناعي، يتزايد الاعتماد على نماذج اللغة الكبيرة (Large Language Models) لتقديم الحلول الذكية في مختلف التطبيقات. وفيما يتعلق بالتفكير المكاني، تم طرح معيار جديد يُدعى FloorplanQA، الذي يتيح تقييم أداء هذه النماذج في فهم وتحليل التصاميم الداخلية.

يستند FloorplanQA إلى تمثيلات هيكلية لمشاهد داخلية، مثل المطابخ، وغرف المعيشة، وغرف النوم، والحمامات، حيث يتم تشفير هذه التمثيلات بشكل رمزي باستخدام تنسيقات مثل JSON أو XML. يغطي هذا المعيار مجموعة من المهام الأساسية مثل قياس المسافات، ورصد الرؤية، والبحث عن المسارات، وتحديد أماكن الأجسام داخل المساحات المحدودة.

أظهرت النتائج التي تم الحصول عليها من خلال اختبارات على مجموعة متنوعة من نماذج الذكاء الاصطناعي المفتوحة المصدر والتجارية أن هذه النماذج قد تنجح في الاستجابات السطحية، لكنها غالبًا ما تفشل في احترام القيود الفيزيائية، والحفاظ على تماسك المساحات، بالرغم من انها تظل قوية غالبًا أمام التغييرات الطفيفة.

يكشف FloorplanQA عن نقطة عمياء في نماذج اليوم: ضعف التناسق في التفكير بشأن التصاميم الداخلية. نأمل أن يلهم هذا المعيار الأكاديميين والمطورين لابتكار نماذج لغوية يمكنها استنتاج ومعالجة الخصائص المكانية والهندسية بدقة في البيئات العملية. فهل أنتم مستعدون لمتابعة تطورات هذا المجال المثير؟ شاركونا بآرائكم في التعليقات!