في عصر الذكاء الاصطناعي، تسعى النماذج اللغوية متعددة الوسائط (Multimodal Large Language Models) مٌدْعَّمة بالذكاء الاصطناعي إلى تحسين قدراتها في التفكير المعقد. ومع ذلك، نجد أن أدائها يتدهور في بعض الحالات، خاصة عند الحاجة إلى استخدام أدوات خارجية مثل الرسوم البيانية لحل المشكلات. هنا تظهر أهمية المعيار الجديد VAMPS (Visual-Assisted Mathematical Problem Solving)، الذي تم تصميمه خصيصًا لفهم هذه الفجوة.

يتضمن VAMPS 1,168 زوجًا من الأسئلة متعددة الخيارات ثنائية اللغة، مأخوذة من مسائل الجبر والتفاضل المستخدمة في امتحانات القبول الجامعي الإيرانية. تم توسيع هذه البيانات لتشمل نسخاً اصطناعية وضعها مراجعين بشريين باستخدام نماذج لغوية، مما يضمن أن يظهر الرسم البياني استراتيجية حل طبيعية، تكشف عن التقاطعات والنقاط الحرجة والتماثلات وغيرها.

ما يُميز VAMPS هو قدرته على قياس فعالية النموذج ليس فقط في حل المشكلات المعقدة، ولكن أيضًا في كيفية استغلاله للأدوات البصرية لبناء رسوم بيانية ذات مغزى، وتحديد نتائج مُعتمَدة على تلك الرسوم. وقد أظهرت الدراسات أن الحلول التحليلية المباشرة تفوق الحلول المعتمدة على الأدوات البصرية في حالات متعددة، حتى عندما يُعتبر الرسم البياني استراتيجية طبيعية.

يسلط VAMPS الضوء على التحديات الحقيقية التي يواجهها المهندسون والعلماء عند اتخاذ القرارات. إذ تُعد المساعدات البصرية أدوات محورية في تحليل البيانات والتحقق منها، مما يجعل هذا المعيار خطوة هامة نحو تحسين كفاءة حل المسائل الرياضية.

مع هذا التطور، ما رأيكم في مستقبل استخدام الذكاء الاصطناعي في التعليم وحل المشكلات الرياضية؟ شاركونا آراءكم في التعليقات.