تنبؤ بالفشل باستخدام نظرية المعلومات: طريقة جديدة لرصد العيوب في نماذج الرؤية-اللغة-العمل

في عالم متزايد التعقيد من الذكاء الاصطناعي، تُعتبر نماذج الرؤية-اللغة-العمل (Vision-Language-Action, VLA) من الأدوات القوية التي تعاني من تحديات في فهم أدائها. رغم انتشارها الواسع في المهام المختلفة، تظل هذه النماذج غالباً كالصناديق السوداء، مما يزيد من خطر التفاعل الجسدي الذي يمكن أن يؤدي إلى أضرار لا يمكن التراجع عنها. هنا تبرز أهمية تقنية Tri-Info الجديدة.

تقوم Tri-Info بتحليل البيانات من خلال استخدام نظرية المعلومات، حيث تُظهر الدراسة أن التوقيعات المعلوماتية للنماذج الناجحة والفاشلة تختلف بشكل منهجي. بفضل هذه التقنية، يمكن مجدداً رسم السيطرة على نماذج VLA كأنها شبكة معلومات مغلقة، مما يُمكّن الباحثين من استخراج إشارات معلوماتية ثلاثية (Tri-Info) تساعد في تقييم ما إذا كانت الأفعال التي تقوم بها النماذج تتسم بالتنوع، والتناسق الزمني، والارتباط بانتقال الحالات.

عبر النظام القائم، تم اختبار Tri-Info على ستة نماذج VLA وبيئتين مرجعيتين (benchmark environments)، ونجحت في تحقيق نتائج مطابقة لأقوى المعايير المتاحة. وليس ذلك فحسب، بل يمكن لترتيب Tri-Info الانتقال بسهولة بين الهياكل المعمارية والبيئات، فضلاً عن التغلب على الفجوة بين المحاكاة والواقع دون الحاجة لإعادة التدريب، حيث حققت دقة بلغت 83% في المهام الواقعية، في حين كانت أدوات الكشف السابقة تعاني من الفشل.

تؤكد هذه النتائج على أن Tri-Info ليست فقط وسيلة فعّالة لتحديد الفشل، بل تقدم أيضاً تشخيصات قابلة للتفسير حول نماذج الفشل ذاتها، مما يعزز من قدرة الباحثين والمطورين على تحسين نماذجهم بشكل يتوافق مع معايير الأداء المتوقعة.