شهد مجال الذكاء الاصطناعي تحولات جذرية بفضل التقدم في نماذج اللغات الضخمة (LLMs) ونماذج الرؤية البصرية (VLMs)، حيث باتت الأنظمة قادرة على التفكير في قضايا السلامة بشكل أعمق من مجرد أنماط المخاطر البسيطة. ومع استمرار تطور أنماط المخاطر وتعقيد قواعد السلامة، تواجه الأنظمة الحالية القائمة على التدريب تحديات كبيرة تتعلق بالقدرة على التكيف والقدرة على التفسير.

لحل هذه التحديات، تم اقتراح GuardEn (Guarding by Safety Rule Entailment)، وهو إطار عمل قابل للتنفيذ لتأمين الأنظمة الذكية. يقوم GuardEn بتحليل قواعد السلامة إلى عبارات منفصلة من خلال عملية تُدعى تجميع قواعد السلامة (Safety-Rule Compilation)، ويعرض تركيبتها على شكل كود قابل للتنفيذ.

أثناء مرحلة الاختبار، يتم استخدام تنفيذ مستند إلى المشهد (Scene-Grounded Execution) لاستدعاء هذه العبارات باستخدام معلومات بصرية سياقية تُستمد من الرسوم البيانية للمشهد، مما يمكن النظام من تقديم تفسيرات واضحة ومؤكدة لقواعد السلامة.

أظهرت التجارب على مجموعة بيانات SafetyVisionBench فعالية هذا النظام القابل للبرمجة، حيث حقق تحسينًا متوسطًا قدره 9.8 نقطة في تقييم F1 مقارنةً بأقوى الأنظمة الموجودة.

هذا الإنجاز يعد خطوة هائلة نحو جعل الأنظمة الذكية أكثر أمانًا وموثوقية، ويعزز من قدرة المطورين على تنفيذ حلول فعالة للأمان في التطبيقات التي تتطلب مستوى عالٍ من الدقة والتفسير.