في إطار تطور تطبيقات الذكاء الاصطناعي (AI) في السيناريوهات الحرجة، تأتي دراسة جديدة تقدم رؤى مهمة حول نماذج الرؤية واللغة (Vision-Language Models - VLMs). تم تطوير إطار عمل Theory of Space (ToS) لتقييم الفهم المكاني لهذه النماذج، خاصة في سياقات تتطلب اتخاذ قرارات دقيقة. تكمن الأهمية في معرفة ما إذا كانت هذه النماذج تستطيع الاعتماد على أدلة مادية في اتخاذ قراراتها أم إذا كانت تتأثر بالتحيزات البصرية والنصية.

تكشف الدراسة عن السمات الأساسية عندما يتعلق الأمر بتقييم قدرة هذه النماذج على اتخاذ قرارات موثوقة في حالات الطوارئ. فقد قام الباحثون بتوسيع إطار ToS ليشمل عملية مدفوعة بالأهداف تُعرف باسم Explore, Map, Remember, and Decide (EMRD). هذا الجانب يعكس مدى تعقيد اتخاذ القرار في بيئات حرجة، حيث يتطلب الأمر تقييم عدة مجالات مثل:
- **كفاءة الاستكشاف (Explore)**: قياس تغطية البيئة وكفاءة الوقت.
- **الوفاء المكاني (Map)**: تقييم دقة الخرائط التي توفرها النماذج.
- **استمرارية الذاكرة (Remember)**: قياس مدى بقاء المعلومات في الذاكرة.
- **اتخاذ القرار المعرفي (Decide)**: القياس باستخدام معايير محددة تركز على النقاط المحورية.

أظهرت النتائج أن نماذج VLMs غالباً ما تختار نقاط الإخلاء استنادًا إلى إشارات نصية مسبقة التعليم، مما يدل على نقص في الأساس المكاني اللازم تبرير اختياراتها. وعلاوة على ذلك، فإن القدرة على التفكير المكاني تتدهور في ظروف الإضاءة المنخفضة، رغم عدم تأثرها باختراقات الأنسجة والألوان. تشير النتائج إلى وجود فجوة أساسية بين ذاكرة نماذج VLMs وعمليات التفكير البشرية، مما يخلق مخاطر غير متوقعة من عدم المحاذاة في اتخاذ القرارات.