مع تزايد الاعتماد على إدارة نظم النقل (Transportation Systems Management and Operations - TSMO) في تفسير البيانات المتنوعة من مصادر متعددة مثل أجهزة الاستشعار، وتقارير الحوادث، وملاحظات المسافرين، برزت نماذج اللغات الضخمة (Large Language Models - LLMs) كحل مبتكر للمساعدة في دمج هذه المدخلات.

تعتبر النماذج الحديثة، والتي تُعرف بالنماذج المتعددة الوسائط (Multi-modal Large Language Models - MM-LLMs)، تحقق قفزات نوعية في تحسين قدرة نظم النقل على اتخاذ القرارات بفعالية. يقوم المقال الذي نناقشه اليوم بمسح تطبيقات هذه النماذج في ثلاثة مجالات رئيسية: خدمات النقل وعملياته (الطلب والعرض)، والخدمات المتنقلة والأسطول، وبيانات ونمذجة دعم القرار.

عبر استخدام عملية فحص موجهة تُسمى PRISMA، نجحت الدراسة في تجميع الدراسات الحالية، مع تمييز التطبيقات التي تركز على العمليات مقابل المفاهيم الناشئة. نُوقشت التحديات المتكررة المرتبطة بتنوع البيانات، والتفسير في الوقت الحقيقي، والشفافية، ودمج الوسائط المتعددة، وإدارة البيانات.

ختامًا، يبرز المقال الفجوات الحالية والاتجاهات المستقبلية في مجالات مثل التكيف المحلي، والبث على الحافة (Edge Deployment)، وتعاون الوكالات. يشير البحث إلى أن نظم تكنولوجيا المعلومات المدعومة بنماذج (LLMs) تبدو واعدة كتقنية دعم للقرارات، خاصة عندما يتعين دمج المدخلات النصية، البصرية، والبيانية المتنوعة.

فما رأيكم في استخدام نماذج اللغات الضخمة في نظم النقل؟ شاركونا آرائكم في التعليقات!