في عصر الذكاء الاصطناعي، أصبح من الضروري تطوير طرق تفكير أكثر دقة وقوة يجمع بينها التحليل البصري واللغوي. إذ تُظهر الأبحاث الحديثة أن نماذج الرؤية-اللغة (Vision-Language Models) يمكن أن تنتج مسارات تفكير بلاغية، ولكنها غالبًا ما تترك مناطق الصور المساندة ضمنيًا، مما يجعل من الصعب التحقق منها أو الإشراف عليها.

لذا، ظهر مفهوم 'التفكير المدعوم بصريًا' (Visually Grounded Thinking)، وهو عملية تفكير تتداخل فيها الأفكار اللغوية مع دلائل بصرية واضحة من الأدلة المرئية المستخدمة في كل خطوة. هذه العملية تمكن النماذج من التعبير عن تفكيرهم الوسيط باللغة، فيما ترتبط النقاط الأساسية بالأشياء في المناطق الوصفية في الصورة.

لتدريب هذا السلوك، تم تطوير نظام استراتيجيات قابل للتوسع (Scalable Synthesis Pipeline) يقوم بإنتاج مسارات تفكير بصرية صحيحة، استخراج العناصر المرئية المطلوبة، وتجهيزها باستخدام وكيل معتمد (SAM3-based agent) للحصول على إشراف دقيق.

كما تم اقتراح 'التعلم التعزيزي المدعوم بالتوجيه' (Grounding-aware Reinforcement Learning) الذي يجمع بين مكافآت صحة الإجابة ومكافآت السند المتشابك، مما يضمن أن الإشارات المرجعية للصور الصحيحة تتفق مع الأدلة المرئية المناسبة.

على مدى اختبارات العد وأخرى تتعلق بالتحليل المكاني، أظهرت الأبحاث أن إضافة التفكير المدعوم بصريًا إلى نموذج Gemma3-4B-IT يعزز الأداء بشكل ملحوظ مقارنة بالنموذج الأصلي. بل، أن بعض نماذج التفكير المدعومة بصريًا تتفوق أحيانًا على نماذج أكبر كـ Gemma3-27B-IT.

تشير نتائج هذه الأبحاث إلى أن نماذج الرؤية-اللغة تفكر بشكل أفضل عندما تكون أفكارها الوسيطة مرتبطة مباشرة بالمناطق في الصور التي تجعلها صحيحة. هذه النتائج تفتح المجال لفهم أعمق لكيفية تعزيز قدرات الذكاء الاصطناعي في استيعاب وتنظيم المعلومات بناءً على للأدلة المرئية الواضحة.

ما رأيكم في تطور التفكير المدعوم بصريًا؟ شاركونا آرائكم في التعليقات!