تعتبر نماذج العالم المشتركة (Joint-Embedding Predictive Architectures - JEPAs) واحدة من التصميمات الرائدة في تطبيقات الذكاء الاصطناعي. ومع ذلك، غالباً ما يتم توجيهها بالأداء التجريبي فقط، مما يدعو للحاجة إلى إطار عمل نظري متماسك. في دراستنا الأخيرة، نلفت الانتباه إلى أهمية اختيار المثبطات المضادة للانهيار كعنصر رئيسي في تحديد ما إذا كانت الأهداف التدريبية لنموذج JEPA صالحة باعتبارها طاقة حرة متغيرة.

نبدأ بتصنيف أربعة مثبطات غير متوازية (VICReg، LogDet، PairDist، وSIGReg) في إطار هرمي تقديري للإنتروبيا، مرتبطاً بفجوة خطأ التقدر السابقة. ونوضح أن علامة هذه الفجوة تحدد ما إذا كانت الحدود المفاجئة للمفاهيم النشطة ستظل قائمة. بينما يشكل VICReg وLogDet حدوداً غير آمنة، تعتبر PairDist حدًا آمنًا، في حين يبدد SIGReg الفجوة.

بعد ذلك، نثبت نظرية توافق: تحت نموذج المرمز الثابت للضوضاء وفرض SIGReg الناجح، تختفي الفجوة، وتصبح الأهداف ضمن نطاق المعلومات دقيقة، مما يحافظ على الحدود المفاجئة. ولدى الاستمرار في ذلك، نصل إلى مفهوم مهم، وهو قيمة الحالة المعرفية، والتي تمثل إشارة تغطية للحالة المستقبلية.

تشير هذه التنبؤات إلى اختلافات في النوع، وليس في الدرجة، مما يتطلب اختبارات تجريبية لاستكشاف هذه النتائج التي قدمناها.

هذه الدراسة تعد خطوة هامة نحو تعزيز فهمنا لكيفية عمل نماذج الذكاء الاصطناعي المتقدمة في سياقات فعلية، مما يوفر رؤى جديدة يمكن أن تؤدي إلى تطويرات مستقبلية ثورية في هذا المجال.