في عصر تكنولوجيا المعلومات والذكاء الاصطناعي، أصبحت النماذج اللغوية متعددة الوسائط (Multimodal Large Language Models) قادرة على تفسير الصور بشكل مذهل، لكن هذه النماذج تعاني من قصور في مهام التفكير المكاني التي يُظهر البشر تفوقًا ملحوظًا فيها. هذا القصور يمكن أن يعود إلى عدم قدرتها على التعرف على الحدود بين الأجسام أو حتى القدرة على التفكير في المساحات المخفية، مما يفسر فشلها في مهام مثل عد الأجسام في هياكل ثلاثية الأبعاد.

ولمعالجة هذه الإشكالية، تم تقديم إطار Spatial-IQ، الذي يقوم على بنية تشخيصية هرمية تساعد في تفكيك مهام العد إلى تسعة مهام فرعية تتعلق بالإدراك والتفكير، والتي مرت بمراحل التطور المعرفي البشري. يتضمن هذا الإطار استهداف إضافة التحويل الذهني (Mental Rotation) كمهمة إضافية.

تم استخدام محاكي NVIDIA Isaac Sim لتوليد مجموعة بيانات متنوعة تحتوي على حوالي 80,000 هيكل ثلاثي الأبعاد، حيث تم تقديم بيانات دقيقة لكل مهمة. وقد أظهرت النتائج أن النماذج الأكثر أداءً تنجح أحيانًا في المهام المستهدفة، مثل عد الأجسام، دون أن تحقق النجاح في المهام الفرعية الأدنى التي تدعمها، مما يكشف عن سلوكيات مختصرة قد تُغفل عند النظر فقط إلى دقة الهدف.

بالإضافة إلى ذلك، أظهرت الأبحاث أن تدريب النماذج باستخدام إشراف سلسلة الأفكار (Chain-of-Thought) على المهام الفرعية الهَرَمية، جنبًا إلى جنب مع التعلم المعزز مع مكافآت يمكن التحقق منها، يُحسن بشكل كبير من الاتساق المكاني عبر المهام الفرعية ودقة الهدف. هذا يدعم قيمة التفكيك المقترح سواء كأداة تشخيصية أو كإشارة تدريب.

الأيام القادمة قد تحمل تطورات كبيرة في كيفية تعامل الذكاء الاصطناعي مع التحديات المرتبطة بالتفكير المكاني، فهل سيشهد العالم تحسينات مذهلة بفضل تقنيات مثل Spatial-IQ؟ شاركونا آراءكم حول مستقبل الذكاء الاصطناعي ورحلتها مع الذكاء المكاني.