بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
هل يمكن للنماذج اللغوية فهم الدوران في الفضاء ثلاثي الأبعاد بالاعتماد على النص فقط؟ هذا السؤال الجوهري دفع فريقاً بحثياً من ثمانية علماء بقيادة تشين يانغ من عدة جامعات صينية لإجراء دراسة تحليلية عميقة حول قدرات الذكاء المكاني في النماذج اللغوية الكبيرة والنماذج البصرية.
ركزت الدراسة على مهارة محورية في الذكاء المكاني تُعرف بـ “فهم دوران وجهة النظر” (VRU). في هذه المهمة، تحصل النماذج على وصف نصي لسلسلة من دورانات وجهة النظر والملاحظات عبر خطوات متعددة، ثم يُطلب منها استنتاج الوجهة النهائية والتنبؤ بالمشاهدة المقابلة في البيئة المحددة.
النتائج صادمة: بينما حقق البشر دقة 100% في جميع المهام (وفقاً للدراسة)، أظهرت كل من النماذج اللغوية الكبيرة والنماذج البصرية أداءً ضعيفاً جداً على مجموعة البيانات المقترحة، مما يكشف فجوة هائلة بين القدرات البشرية والآلية في الذكاء المكاني.
لفهم الآليات الداخلية وراء هذا الفشل، استخدم الفريق تقنيتين متقدمتين: التحليل الطبقي للتحقق (layer-wise probing analysis) والتدخل السببي على مستوى رؤوس الانتباه (head-wise causal intervention). هذه الأدوات التحليلية كشفت اكتشافات مفاجئة حول كيفية معالجة النماذج للمعلومات المكانية.
الاكتشاف الأول يُظهر أن النماذج تقوم فعلياً بترميز معلومات وجهة النظر في حالاتها المخفية، مما يعني أن المعلومات المكانية موجودة داخلياً في تمثيلات النموذج. لكن المشكلة تكمن في الخطوة التالية: ربط موضع وجهة النظر بالملاحظة المقابلة.
هنا تكمن المشكلة الجوهرية. تفشل النماذج في إنشاء الروابط الصحيحة بين الموقع المكاني والمحتوى المرئي المتوقع، مما يؤدي إلى ظاهرة “الهلوسة” في الطبقات النهائية. بمعنى آخر، تعرف النماذج أين تقف، لكنها لا تستطيع تخيل ما يجب أن تراه من هذا الموقع.
استخدم الباحثون التدخل السببي لتحديد رؤوس الانتباه المسؤولة تحديداً عن المعالجة المكانية. هذه التقنية تسمح بفهم أي أجزاء من الشبكة العصبية تؤثر على قرارات معينة عبر التلاعب المباشر في نشاط هذه الأجزاء ومراقبة التغييرات في النتائج.
بناءً على هذه الرؤى، طوّر الفريق استراتيجية “الضبط الدقيق الانتقائي” (selective fine-tuning) التي تركز على رؤوس الانتباه الحاسمة المحددة مسبقاً. هذا النهج المستهدف حقق تحسناً ملموساً في أداء فهم دوران وجهة النظر مع تجنب مشكلة “النسيان الكارثي” للقدرات العامة للنموذج.
النتائج تطرح تساؤلات عميقة حول طبيعة الذكاء المكاني في الأنظمة الحالية. إذا كانت النماذج تستطيع ترميز المعلومات المكانية لكنها تفشل في استخدامها بشكل منطقي، فهذا يشير إلى أن المشكلة ليست في فهم المفاهيم المكانية بحد ذاتها، بل في القدرة على التفكير المكاني المتسلسل والاستدلال ثلاثي الأبعاد.
تتضمن الدراسة أيضاً تحليلاً لكيفية تطور تمثيل المعلومات المكانية عبر طبقات الشبكة المختلفة. يُظهر هذا التحليل الطبقي أن المعلومات المكانية تصبح أكثر تجريداً كلما تقدمنا في طبقات الشبكة، لكن هذا التجريد لا يترجم بالضرورة إلى فهم أفضل للعلاقات المكانية المعقدة.
الآثار العملية لهذه النتائج واسعة النطاق. في تطبيقات مثل الروبوتات، والألعاب، والواقع المعزز، والملاحة الذكية، يُعتبر الذكاء المكاني مهارة أساسية. ضعف النماذج الحالية في هذا المجال يحدد نطاق تطبيقاتها ويشير إلى الحاجة لتطوير أساليب تدريب جديدة تركز على التفكير المكاني.
يخطط الفريق البحثي لإتاحة مجموعة البيانات والكود المطور لتمكين باحثين آخرين من مواصلة العمل في هذا المجال الحيوي. هذه الخطوة مهمة لبناء مجتمع بحثي حول تحسين الذكاء المكاني في الأنظمة الذكية.
