في عالم الذكاء الاصطناعي، تبرز نماذج اللغة الرؤية (Vision-Language Models - VLMs) كأحد التطورات التكنولوجية المثيرة التي تُظهر أداءً قويًا في معايير متعددة الأبعاد. ومع ذلك، ثمة سؤال مهم يطرح نفسه: هل تستطيع هذه النماذج أن تحل المشكلات الهندسية بنفس كفاءة المهندسين؟

في بحث جديد، تم تسليط الضوء على مسألة القدرة على التفكير الهندسي لدى VLMs، حيث يُعتبر حل المشكلات الهندسية مختلفًا تمامًا عن الإجابة على الأسئلة البصرية العامة. فإلى جانب الخبرة في تفسير المخططات الفنية واختيار المبادئ الفيزيائية المناسبة، يتطلب الأمر أيضًا القدرة على الحفاظ على عمليات تفكير متسقة عبر خطوات متعددة.

لذلك، تم تطوير معيار EngVQA، وهو معيار متعدد الأبعاد يقيّم الأداء الهندسي عبر خمسة موضوعات هندسية تحتوي على 696 مسألة. ويتميز هذا المعيار بإطار عمل تقييم تلقائي مكون من ثماني مراحل، يسمح بتقييم كل مرحلة من الحل بشكل مستقل، مما يتيح تحليلًا دقيقًا لعمليات التفكير.

أظهرت النتائج التي تم الحصول عليها من خلال تقييم أدوات VLMs الحديثة، وجود قيود ملحوظة في قدرات التفكير الهندسي الحالية. كما جاءت التقييمات البشرية متوافقة بشكل جيد مع الإطار الآلي، حيث حققوا توافقًا قدره 0.975 بينهما.

هذه النتائج تؤكد على أهمية تقييم العمليات كوسيلة موثوقة لتقييم أنظمة التفكير الهندسي المتعددة الأبعاد، مما يعزز من فرص تحسين هذه النماذج في المستقبل. فكيف يمكن تكامل هذه النماذج في مجالات التعليم الهندسي والمساعدة العلمية؟

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!