في عالم يتسارع فيه تطور الذكاء الاصطناعي، يسعى الباحثون دائماً إلى تحسين التعاون بين الإنسان والروبوتات لجعله أكثر فعالية وذكاءً. ومن بين الابتكارات المذهلة التي ظهرت في هذا المجال، نجد نموذج Neuro-Symbolic Graph Transformer (NSGT)، الذي يعد طفرة في مجال الذكاء الاصطناعي بفضل قدرته على فهم النوايا الهيكلية خلف التصرفات البشرية.

تواجه أنظمة الذكاء الاصطناعي التقليدية تحديات كبيرة في التعرف على السياقات العميقة للأفعال البشرية، مما يعيق إمكانية التعاون الفعّال مع الروبوتات. أحد الأسباب الرئيسية هو تركيز هذه الأنظمة على تصنيف الأفعال بشكل سطحّي دون قدرٍ كبيرٍ من التعمق في النوايا والبنية التي تكمن وراء هذه الأفعال.

نموذج NSGT الجديد، الذي أُدرج ضمن إطار عمل متعدد الوسائط، يستخدم خوارزمية استنتاج مرنة تعرف باسم Human Reasoning Graph (HR-G). هذه الخوارزمية تُدخل نوعاً من الأبعاد الهيكلية لتوجيه الانتباه الذاتي، مما يسمح للروبوتات بالتفكير مثل البشر وتحليل السلوكيات المعقدة.

أجرى الباحثون تقييمات شاملة للنموذج باستخدام مجموعة بيانات NTU-Hierarchy، حيث تم تحويل 119,383 مشهداً معقداً إلى مجموعة موحدة تمثل أنشطة متعددة المستويات. ونتيجة لهذا التقييم، أظهرت النتائج تميز نموذج NSGT بتحقيق دقة تجاوزت 91.65% في تصنيف الأفعال.

بينما أُضيفت خوارزمية First-Order Logic (FOL) إلى النموذج، ارتفعت دقة التناسق المنطقي إلى 96.67%، مما يشير إلى قدرة النموذج على تعزيز الاتساق الهيكلي وتجسيد الفهم العميق.

بفضل هذه الابتكار، يمكن للروبوتات الآن فهم معاني الأفعال البشرية بشكل أعمق، مما يفتح آفاقاً جديدة للتعاون بين الأنظمة الذكية والمستخدمين. هل أنتم مستعدون لدخول هذه الحقبة الجديدة في تفاعل الإنسان والروبوت؟