في تطور مثير في مجال الذكاء الاصطناعي، تم الإعلان عن نموذج جديد يُدعى RxBrain، الذي يعد مثالاً رائداً للإدراك الجسدي (Embodied Cognition) في الأنظمة الذكية. يعتمد هذا النموذج على ربط التفكير رفيع المستوى بحالات فعلية يجب تحقيقها، مما يُعتبر نقطة تحول في كيفية تفكير الآلات والتفاعل مع العالم من حولها.

يتمتع نموذج RxBrain بقدرة فريدة؛ إذ يجمع بين التفكير اللغوي والمرئي. فهو يعمل على دمج هذين العنصرين في خطة واحدة، مما يتيح له تقديم الأداء الأفضل في المهام المعقدة. بخلاف نماذج الرؤية واللغة التقليدية التي تركز على فهم المشاهد أو اتخاذ قرارات نصية، يستخدم RxBrain هيكلًا متكاملاً لكل من التخطيط العابر للغات والتصورات البصرية.

كيف يعمل هذا النموذج؟ يقوم RxBrain بتوفير هيكل تُحوِّله اللغة إلى خطة تتمتع بالقدرة على التوقع والتخطيط البصري. تقوم اللغة بتحديد عناصر الخطة، مثل تفكيك المهام، وتحديد القيود، وتنظيم الجدول الزمني، بينما يسهم التصور البصري في تجسيد هذه الهيكلية من خلال التنبؤ بحالات العالم وتخطيط الأهداف الفرعية المشتركة.

كما يعتمد نموذج RxBrain بنية مختلطة متعددة النماذج (Mixture-of-Transformers) تدعم الفهم والإنشاء اللغوي والمرئي في نموذج واحد. ولتعليم هذا القدرة، تم إنشاء خطة تلقائية تحول مقاطع الفيديو المجسدة إلى إشراف تخطيط نصي بصري مشترك من خلال تفكيك الفيديوهات إلى خطوات تخطيطية وترتيبها مع انتقالات الحالة المرئية.

لكي نختبر كفاءة RxBrain، تم تطوير RxBrain-Bench، والذي يقيم قدرة النماذج على تمثيل الخطط المجسدة من خلال العنصرين النصي والمرئي معًا، عوضًا عن الفهم أو الإبداع المنفصل. من خلال التجارب، أظهر RxBrain القدرة على الحفاظ على فهم وإنتاج مجسد، مما ينتج عنه خطط مرتبطة بالتفكير النصي، وتوقع حالات العالم، والتخطيط للأهداف الفرعية.

الأكثر إثارة هو أن RxBrain تم توسيعه ليشمل توليد الأفعال المستمرة للروبوتات، وظهر أداء واعد دون الحاجة إلى تدريب محوري على بيانات العمل المتنوعة! يعد هذا التطور خطوة أولى نحو نموذج أساسي للإدراك الجسدي، فتحصل الآلات على قوة التفكير والتصميم بطريقة لم تكن ممكنة سابقًا.

ماذا تعتقدون حول هذا الابتكار المذهل في الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!