الذكاء البصري: لماذا يقرر الذكاء الاصطناعي الآن بنفسه كيف يفكر

لا بد أنك لاحظت كيف تتعثر الشبكات العصبية الحديثة أحيانًا في أبسط الأمور. فهي قادرة على كتابة مقال عن هيغل بسهولة، لكنها قد تعجز أحيانًا عن إدراك ما إذا كان المفتاح موضوعًا على يسار الكوب أم على يمينه في صورة فوتوغرافية. تكمن المشكلة في أن النماذج القياسية تعالج أي معلومة بالطريقة نفسها، عبر طبقة حسابية ضخمة واحدة. وهذا أسلوب غير فعّال، وكثيرًا ما يؤدي إلى أخطاء في المنطق.

تقترح ورقة بحثية جديدة أُعدّت لمؤتمر ICLR 2026 حلًا أنيقًا لهذه المشكلة عبر التبديل التكيفي بين أنماط التفكير. فكرته بسيطة، لكن تنفيذها مثير للإعجاب. فقد طوّر الباحثون آلية تتيح للنموذج تقييم مدى تعقيد الطلب البصري قبل أن يبدأ في تقديم الإجابة. فإذا طلبت من الذكاء الاصطناعي مجرد العثور على قطة في صورة، فسيستخدم نمطًا مخففًا. أما إذا تطلبت المهمة فهمًا عميقًا للفضاء والعلاقات بين الأجسام، فيتحول النظام إلى ما يسمى «التفكير بالرسوم البيانية». وهذا يتيح للنموذج بناء بنية واضحة للعلاقات بين الأشياء، محاكيًا الطريقة التي يحلل بها الدماغ البشري المشاهد المعقدة.

سلكت الصناعة طويلًا طريق التوسّع البسيط: مزيد من المعاملات، ومزيد من بطاقات الرسوميات، ومزيد من البيانات. لكن الاستدلال البصري الشامل يتطلب أكثر من القوة الغاشمة، إذ يحتاج إلى مرونة معمارية. ويبيّن مؤلفو الورقة أن فرض سلاسل منطقية معقدة حيث لا حاجة إليها يضر بالدقة. فيبدأ النموذج في البحث عن معنى خفي حيث لا يوجد، وينتهي به الأمر إلى الهلوسة. ويعالج النهج التكيفي هذه المسألة بإنشاء ما يشبه علبة تروس إدراكية للشبكة العصبية.

لماذا يهمنا هذا؟

أولًا، هذا طريق مباشر نحو نماذج أكثر كفاءة في الروبوتات والمركبات ذاتية القيادة. فالروبوت في المستودع لا يحتاج إلى إنفاق كل قدراته الحسابية لمجرد تجنب الاصطدام بالجدار، لكنه يحتاج بشدة إلى أقصى درجات التركيز عند فرز أجسام هشة مختلفة الأشكال. وثانيًا، يخفّض هذا النهج بدرجة كبيرة تكلفة تشغيل النماذج الكبيرة. ونحن نبتعد أخيرًا عن مفهوم «المقاس الواحد للجميع» نحو توزيع ذكي للموارد.

ومن المثير للاهتمام أن هذه الطريقة تتقاطع مع نظرية عالم النفس دانيال كانيمان عن التفكير «السريع» و«البطيء». فالعلماء ينقلون عمليًا مبادئ البقاء البيولوجية إلى الشيفرة البرمجية. وإذا تعلّم الذكاء الاصطناعي متى ينبغي له أن «يتمهل» ومتى يجيب فورًا، فسنحصل على أنظمة أقرب بكثير إلى الذكاء الحقيقي من أدوات الإكمال التلقائي الإحصائية للنصوص الحالية. وهذه خطوة مهمة كي يتوقف الذكاء الاصطناعي البصري عن كونه مجرد كاميرا متطورة، ويصبح أداة تحليلية متكاملة.

الخلاصة: المستقبل للمرونة، لا لعدد المعاملات. فهل ستتمكن OpenAI وAnthropic من دمج آليات مماثلة في نماذجهما الرائدة المقبلة لخفض زمن الاستجابة؟