في عالم الذكاء الاصطناعي، تظل طرق البحث البشري تشكل موضوعًا ذا أهمية خاصة، وخاصة في ضوء التطورات الحديثة في نماذج اللغة الكبيرة المتعددة الوسائط (MLLMs). حيث أظهرت دراسة جديدة أن الأعين البشرية تسير عملية البحث بشكل تسلسلي، مما يتطلب أن تركز الفوكس على الهدف لتأكيد وجوده. ولكن ما يحدث عندما يتم تزويد نماذج الذكاء الاصطناعي بنفس المدخلات الفوكسية؟

ركز البحث على مقارنة ثلاث نماذج عامة من MLLMs مع مسارات حركة العين البشرية في حالات البحث الهادف باستخدام مجموعة بيانات COCO-Search18. كانت النتيجة مثيرة للاهتمام: تفوقت النماذج في اتخاذ قرارات بخصوص وجود الهدف وكفاءة الوصول إليها، حيث تمكنت من اكتشاف الأهداف بشكل أسرع في كثير من الأحيان مقارنة بالبشر.

إلا أن عملية البحث لم تكن مطابقة للجوانب البشرية. جميع النماذج الثلاثة لديها نمط توقيع مشترك، وهو أن مسارات العين كانت ذات تباين منخفض وعرض كبير، مما يشير إلى أن هذه النماذج تتبع نمطًا غير تسلسلي.

بناءً على ذلك، نستنتج أن المدخلات المتطابقة لاستقبال الرؤية يمكن أن تعيد إنتاج أماكن نظر البشر، لكنها لا تعكس كيف تسير عملية النظر عبر الزمن. وعلى الرغم من استخدام مقاييس توافق الإجابات والمقاييس البصرية، إلا أن هذه الأخيرة تفشل في قياس الفجوات في عمليات البحث البشرية، مما يعنى أن النماذج المعتمدة على النتائج والأبعاد تفتقر لفهم الزمن والعمليات الأساسية.

فما رأيكم في هذه النتائج المثيرة؟ هل تعتقدون أن النماذج الذكية قادرة على تقليد النظر البشري بشكل كامل؟ شاركونا آراءكم في التعليقات.