في السنوات الأخيرة، ازدادت أهمية نماذج اللغة متعددة الأنماط (Multimodal Language Models) في أبحاث السينما، حيث تتيح هذه النماذج القدرة على إجراء تحليل دقيق للأفلام بشكل واسع. ومع ذلك، يواجه الباحثون تحديات عدة، خاصة في كيفية إنشاء معايير موحدة تحترم حقوق الملكية الفكرية.

في دراسة جديدة، تم تطوير مجموعة جديدة من أفلام هوليوود تمتاز بشعبية شباك التذاكر مع التركيز على حالتها القانونية كملكية عامة. تمتد هذه المجموعة لتغطي الفترة من عام 1922 حتى 1979، مستندة إلى إيرادات شباك التذاكر الأسبوعية التي غطاها مجلة (Variety) الشهيرة.

تمثل هذه المجموعة أهمية خاصة لفهم تطور التقنيات السردية في السينما. وبناءً على هذه المجموعة، تم إعداد أداة تقييم جديدة تعتمد على أسئلة متعددة الخيارات (MCQ) للقياس الفعلي لقدرة النماذج على تحليل العناصر السردية. ومع ذلك، أظهرت النتائج أن العديد من نماذج الرؤية واللغة لا تؤدي بشكل جيد في هذا السياق، حيث حققت بعض النماذج أداءً قريباً من مستوى الحظ.

بينما نجحت النماذج الصوتية البصرية في تحقيق دقة تصل إلى 61.1%، إلا أن هذا المستوى يبقى منخفضاً بالمقارنة مع الأداء البشري. هذه النتائج تشير إلى أن هناك حاجة ماسة لتحسين النماذج لكي تتمكن من فهم السرد السينمائي بشكل كامل.

ما رأيكم في قدرة الذكاء الاصطناعي على فهم السرد السينمائي؟ هل تعتقدون أن نماذج اللغة قادرة على تحسين هذا الفهم في المستقبل؟ شاركونا أفكاركم في التعليقات!