في عالم الذكاء الاصطناعي، لطالما كانت النماذج التي تربط بين الرؤية واللغة (Vision-Language Models) محورية في تحسين فهم الآلات لصورة ما. ومع ذلك، كانت الأساليب الحالية مثل Gemini-3-Pro وGPT-5 تقتصر على تقديم النصوص فقط، مما قد يُصعب على المستخدمين التحقق من صحة الإجابات. هنا يأتي دور SketchVLM، إطار عمل مبتكر لا يتطلب تدريبًا خاصًا ويتيح لنماذج الرؤية اللغوية إنتاج طبقات SVG قابلة للتعديل وغير الضارة على الصور المُدخلة، لتوضيح إجاباتها بطريقة بصرية.

اتباعًا لهذا التوجه، تم اختبار SketchVLM عبر سبعة معايير تتضمن تفسيرات بصرية مثل التنقل داخل المتاهة، وتوقع مسارات سقوط الكرة، وعدّ الأشياء. أظهرت النتائج أن نموذج SketchVLM قد زاد دقة مهام الفهم البصري بمقدار 28.5 نقطة مئوية، وأحسن جودة التعليقات بمعدل 1.48 مرة مقارنةً بأساليب الرسم التقليدية المدربة مسبقًا.

تُظهر التجارب أن إنشاء التعليقات في جولة واحدة يحقق دقة وجودة عالية، في حين تفتح جولات الإنهاء المتعددة آفاقًا جديدة للتعاون بين الإنسان والذكاء الاصطناعي. يمكن للمستخدمين تجربة نموذج SketchVLM بشكل تفاعلي من خلال العرض التوضيحي المتاح عبر الإنترنت.

إن تقدم مثل هذه التقنيات يُعزز من قدرة الإنسان على التفاعل مع الذكاء الاصطناعي بشكل أكثر طبيعية ويُسهل عملية فهم وتحليل المعلومات المرئية! ما رأيكم في هذا التطور؟ شاركونا في التعليقات.