في عالم الذكاء الاصطناعي، تأتي الأحاجي كأداة مثيرة لاختبار القدرات المعقدة لنماذج اللغة البصرية (VLMs). دراسة جديدة تناقش تأثير الأحاجي الهندسية غير التقليدية على أداء هذه النماذج، والتي تعتمد على تكوينات متداخلة بين القطع بدلاً من القطع المستطيلة التقليدية. هذه الطريقة توفر تحديات جديدة وتسمح بتقييم قدرة النماذج على الاستجابة للمحتوى البصري مع الحفاظ على شروط هندسية دقيقة.

على مدار 95 ألف اختبار عبر أربع كثافات شبكية (من 4×4 إلى 16×16)، أظهرت النتائج أن نماذج مثل GPT-5.5 ظلت غير قادرة على تقديم حلول مرضية، حيث تفوق إداؤها الحد العشوائي فقط في الأحاجي الأصغر. أما في الأحجام الأكبر، فقد كانت النتائج مُخيبة للآمال، حيث انخفض الأداء إلى مستويات قريبة من العشوائية. تظهر هذه الحالة المعيارية، المعروفة "بمنحدر التوسع"، أن النماذج الحالية تواجه صعوبة في الحفاظ على دقة حل المشكلات مع زيادة عدد القطع.

يلقي هذا البحث الضوء على التحديات المفتوحة في مجال التفكير الهندسي ضمن نماذج اللغة البصرية، مؤكداً الحاجة لتطوير نماذج قادرة على تحقيق توافق معقد بين المحتوى البصري والمعايير الهندسية. هل ستترك هذه الاكتشافات أثراً في مستقبل الذكاء الاصطناعي؟ كما هو الحال دائماً، يجري مجال التعليم والتعلم في الذكاء الاصطناعي تطورات متسارعة، ومن الجدير بالبحث في ما قد يحمله المستقبل.