نموذج الذكاء الاصطناعي الجديد هذا يفكر بالصور، وليس بالكلمات فقط
منذ ما يقرب من عقد من الزمان، كان باحثو الذكاء الاصطناعي مهووسين بنوع واحد من الذكاء الاصطناعي – نماذج اللغة الكبيرة (LLMs)، التي يدربونها على الكتابة والتحدث والتفكير باستخدام الكلمات. وتراهن صناعة التكنولوجيا بشكل كبير على أن جعل مثل هذه النماذج أكبر وأكثر ذكاءً هو الطريق إلى الذكاء الفائق. ولكن في عام 2026، يشكك بعض الباحثين البارزين في مجال الذكاء الاصطناعي في أن هذا النهج الذي يركز على الكلمات هو الحل الكامل. ومن بينهم أندرو داي، وهو باحث مخضرم في مجال الذكاء الاصطناعي، والذي ترك Google DeepMind لبناء نماذج مصممة من الألف إلى الياء لفهم الصور واستدلالها وتوليدها. خرجت شركته الناشئة، Elorian AI، من التخفي في أبريل. يعتقد داي أن الصورة المرئية أساسية لنموذج الذكاء مثل اللغة – إن لم تكن أكثر – وأن نماذج اللغة الحدودية قد وصلت إلى الحد الأقصى لأنها لا تزال غير قادرة على التفكير بشكل فعال حول العالم المادي، ناهيك عن كونها “غير مستقرة بشكل لا يصدق”، على حد تعبيره. يقول داي إن النموذج الذي لا يستطيع حساب عدد الأكواب على الطاولة أو الحكم على العلاقات المكانية لا يرقى إلى مستوى الذكاء العام، بغض النظر عن مدى نجاحه في الكتابة أو البرمجة. يقوم إلوريان، الذي شارك داي في تأسيسه مع الباحث السابق في تعلم الآلة في شركة أبل، ينفي يانغ، بتطوير نماذج تمنح البيانات المرئية لعبًا متساويًا مع الرموز اللغوية داخل تصميمها. ويقول: “نحن نراهن على هذه التمثيلات المرئية لأشياء مثل المشكلات المكانية والملاحة وكل شيء آخر”. عندما تقوم نماذج اللغات متعددة الوسائط الحديثة مثل معالجة صور Gemini من Google، فإن ما يفعلونه حقًا هو إنشاء وصف تفصيلي لصورة باستخدام الكلمات، التي يقومون بترتيبها في خريطة كلمات داخلية عملاقة بناءً على معانيها. ثم يقومون بعد ذلك بالتفكير في الكلمات لإبداء الملاحظات والأحكام وحتى الاقتراحات حول الصورة. على سبيل المثال، إذا تم عرض مخطط تخطيطي لتصميم محرك دراجة نارية، فقد يلاحظ طالب LLM متعدد الوسائط أنه عندما تسخن محركات الدراجات النارية، يمكن أن يتوسع تاج المكبس المصنوع من سبائك الألومنيوم، مما قد يقلل من الخلوص بينه وبين جدار الأسطوانة. على النقيض من ذلك، يقوم Elorian ببناء نماذج تفكير بصرية من شأنها “التفكير” في الصور مباشرة. وبدلاً من إنشاء خريطة كلمات، سيقومون بتكوين خريطة داخلية مفصلة ثلاثية الأبعاد لصورة، بالطريقة التي يتخيل بها البشر الأشياء. ونظرًا لأن النموذج لديه فهم للفيزياء، فيمكنه إجراء ملاحظات أكثر تفصيلاً ودقة.
تم النشر: 2026-07-13 11:00:00
مصدر: www.fastcompany.com
