تعتبر النماذج اللغوية متعددة الوسائط (Multimodal Large Language Models) من الأمور الرائدة في مجال الذكاء الاصطناعي، حيث تعد بتحسين مستوى التفكير عبر دمج مدخلات متنوعة مثل النصوص والرؤية والصوت. ولكن على الرغم من هذه الوعود، إلا أن مفهوم التفكير عبر الوسائط لا يزال غير مستكشف بشكل كافٍ، حيث توجد تقارير متضاربة حول ما إذا كانت إضافة وسائط أخرى تعزز الأداء أم تؤثر سلبًا عليه.

تعود هذه التناقضات إلى نقص في أطر التقييم المنضبطة، وهو ما يجعل من الصعب تحليل تفاعلات النماذج وفهم الأسباب التي تدعم أو تضعف القدرة على التفكير. لذا، جاء بحث حديث ليغلق هذه الفجوة من خلال تطوير إطار تقييم مستند إلى المنطق، يقوم بتصنيف التفكير المتعدد الوسائط إلى ستة أنماط من التفاعلات، حيث يختلف توزيع الحقائق عبر الوسائط وكيفية دمجها منطقيًا.

أظهرت النتائج التجريبية أن إضافة وسائط جديدة تعزز التفكير فقط عندما توفر مسارات تفكير مستقلة وكافية. في المقابل، تؤدي الوسائط الزائدة أو الصلة التسلسلية إلى تدهور الأداء. كما تم الكشف عن ثلاث طرق رئيسية لتدهور القدرة على التفكير: ضعف الوسائط يسحب الأداء العام للأسفل، والصراعات تمنح تفضيلًا نحو وسائط معينة، وفشل الإشارات المشتركة من الوسائط المختلفة في التكامل بشكل فعال.

تم تحديد عيبين أساسيين: عائق تكوين المهام، حيث لا يمكن تنفيذ التعرف والتفكير في خطوة واحدة، وعائق الدمج، حيث أن التكامل المبكر يقدم تحيزات. ولتوضيح هذا، أظهر الباحثون أن أنماط الانتباه لا تفشل في تشفير فائدة الحقائق. لكن وجود توجيه بسيط من خطوتين (التعرف ثم التفكير) يعيد الأداء، مؤكدًا وجود عائق تكوين المهام. وعلاوة على ذلك، يبقى هوية الوسائط قابلة للاسترجاع في الطبقات المبكرة، وتحسين انتباه النماذج في الدمج المبكر يزيد من التفكير، مما يسلط الضوء على منحنى التحيز كأحد أنماط الفشل.

تشير النتائج العامة إلى أن التكامل - وليس الإدراك - هو العائق الرئيسي في التفكير المتعدد الوسائط، مما يوحي بأن التدريب الواعي بالتكوين والتحكم في الدمج المبكر هما اتجاهات واعدة لمزيد من البحث والتحقيق. في عالم يتزايد فيه الاعتماد على الذكاء الاصطناعي، كيف ترون دور النماذج اللغوية متعددة الوسائط في تطوير قدرات التفكير المنطقي؟ شاركونا في التعليقات.