في عالم الذكاء الاصطناعي، تعتبر النماذج متعددة الوسائط (Multimodal) أحد أبرز التطورات التقنية التي تساهم في تعزيز عملية استرجاع المعلومات وصياغتها. ووفقًا لدراسة جديدة منشورة على منصة arXiv، فإن تأثير الوسائط المتعددة على جودة الإجابات قد لا يكون كما يُعتقد. تُظهر النتائج أن الاعتماد على الوسائط بصريًا قد يؤدي إلى تكاليف زائدة دون ضرورة.

تقدم الدراسة مفهوم {f تصعيد الوسائط الانتقائي بعد الفحص}، الذي يقترح تحسين عملية إقران الأسئلة بالإجابات من خلال تحليل ما تحتاجه الإجابة فعليًا. بدلاً من توجيه البيانات من خلال نموذج لغة رؤية (VLM) مكلف في كل مرة، يمكن للمسؤول عن التحقق أن يحدد أي الوسائط مُفيدة للإجابة، مما يسمح بتوفير تكاليف التشغيل.

النموذج الحالي يعتمد بشكل كبير على الاختيارات الثنائية، حيث يُفترض أن المعلومات البصرية أكثر فعالية؛ لكن التحليل يظهر عكس ذلك. على سبيل المثال، العديد من الأسئلة التي تحتاج إلى دعم بصري يمكن الإجابة عليها بنجاح عبر النصوص والجداول فقط، مما يجعل العملية أكثر كفاءة.

تقدم الدراسة حلولًا مبتكرة تتضمن تشغيل المحلل (verifier) أثناء الفحص لتحديد الأماكن التي قد تمثل نقصًا في المعلومات، وبالتالي تقليل الاعتماد على البيانات البصرية. بهذه الطريقة، يمكن استرجاع الدقة العالية دون الحاجة للإفراط في استخدام المصادر البصرية.

تعتبر هذه الاستراتيجية بمثابة خطوة إضافية لتوسيع نطاق توليد الابتكارات في مجال الذكاء الاصطناعي، حيث تسهل وصول المعلومات بشكل أكثر كفاءة ودقة. إن الاستثمار الأمثل في الوسائط المتعلقة بإنتاج البيانات ذكي بشكل واضح.