في عالم الذكاء الاصطناعي، تسعى التقنيات الحديثة نحو تحسين التفاعل بين البشر والآلات. وجدت دراسة جديدة أن نماذج الفهم البصري اللغوي (Vision-Language Models) تتأثر بشكل كبير بوجود صور مرفقة، وهو ما يؤثر على عملية الرفض بطرق غير متوقعة. بحسب الدراسة، عندما تحتوي الطلبات على صور، حتى لو كانت فارغة أو غير قابلة للقراءة، فإن ذلك قد يؤدي إلى تغيير ملحوظ في استجابة النماذج.

تظهر النتائج أنه في الحالات التي تتعلق بها الصور بالطلب، تمتد معدلات الرفض تتراوح من 23 إلى 51%. على الرغم من أن التعليمات المحايدة كانت أقل تأثراً، إلا أن الطلبات الحدودية ذات الطبيعة الخفيفة تضررت بشكل أكبر، مما يعني أن النقاشات حول الخصوصية، والعنف، والنشاطات غير القانونية، أصبحت أكثر صعوبة.

ما هو مقلق أكثر هو أن الاستجابة لمجرد وجود صورة ليست موثوقة، بل تتغير بناءً على خصائص الصورة مثل لون القماش وعدد البيكسلات. هذا يعني أن النماذج ليست مُحكَمة بمعايير ثابتة، بل تتأثر بأشياء قد تبدو غير ذات صلة. وعليه، فإن النماذج تُظهر أنها غير قادرة على التعامل مع هذه المتغيرات بشكل موثوق، مما يشير إلى أن وجود الصورة هو متغير غير قابل للتحكم.

نأمل أن تقودنا هذه النتائج نحو تطوير نماذج أكثر استقراراً وقدرة على التكيف مع التغيرات الطفيفة دون التأثير على دقة الاستجابة.