في خطوة ثورية نحو تحسين الفهم الزراعي لنماذج الذكاء الاصطناعي، يُعلن الباحثون عن إطلاق مجموعة بيانات (TomaMMU) الجديدة، التي تُركز على فهم الأمراض التي تصيب أوراق الطماطم. تحتوي المجموعة على 28,808 صورة عالية الجودة تغطي 15 فئة مختلفة، بالإضافة إلى 213,119 زوجًا من الأسئلة والأجوبة التي تم وضعها بواسطة البشر، والتي تتيح تقييمًا فعّالًا لقدرات نماذج اللغة الضخمة (VLMs) في فهم الأمراض الزراعية.

تم إنشاء مجموعة (TomaMMU) من خلال عملية تتألف من ثلاث مراحل تشمل جمع البيانات، التفسير البشري، وتوليد الأسئلة والأجوبة. يعتمد (TomaBench) على هذه البيانات لعقد سبعة مهام زراعية مرتبة ضمن تصنيف هرمي يتكون من ثلاثة مستويات: الإدراك الأساسي، فهم الأمراض، والتشخيص المتخصص. تمكّن هذه المهام من تقييم كيفية استجابة النماذج للبصريات الزراعية بشكل شامل، بدءًا من التعرف البسيط وصولاً إلى المهارات التشخيصية المتقدمة.

واحدة من نتائج الدراسة التي تم تنفيذها هي وجود فجوات ملحوظة في التعرف الدقيق وفهم الحقائق، حيث أظهرت بوضوح أن 14 نموذجًا من نماذج اللغة الضخمة تكافح في الإجابة على الأسئلة المعقدة والمفتوحة، مما دفعت هذه النتائج الباحثين للتأكيد على أهمية التكيف المستهدف مع احتياجات الزراعة. ومع ذلك، يظهر التأكيد على أن التعديل البسيط على مجموعة (TomaMMU) يمكن أن يعزز الدقة بشكل كبير، مع زيادة دقة الإجابات على الأسئلة المعقدة إلى 96.09%، متفوقاً بذلك على نماذج VLMs الحديثة.

لمزيد من التفاصيل، يمكنكم زيارة رابط TomaMMU على Hugging Face واكتشاف كيف يمكن للذكاء الاصطناعي تحويل طرق فهم الأمراض الزراعية.