أظهرت التطورات الحديثة في النماذج اللغوية الكبيرة متعددة الوسائط قدرات لافتة على معالجة أنواع متنوعة من البيانات، غير أن فوارق كبيرة ما تزال قائمة بين العمليات المعرفية البشرية والمناهج الحاسوبية في تكامل المعلومات متعددة الوسائط، إذ يعالج البشر المعلومات بتقطيعها إلى وحدات ذات معنى تتشكل حدودها بصورة ديناميكية حساسة للسياق، بينما تعتمد النماذج الحالية على مخططات ترميز ثابتة لا تحاكي هذه المرونة
وتقدم هذه الدراسة المنشورة في مجلة إنفورميشن بحثًا منهجيًا في أوجه التوازي بين آليات التقطيع المعرفي البشري عبر الوسائط ومنهجيات تمثيل الرموز في النماذج اللغوية الكبيرة متعددة الوسائط، وتقترح إطارًا جديدًا للترميز الديناميكي عبر الوسائط يستلهم مبادئ العلوم المعرفية في بناء حدود تكيفية وتمثيلات هرمية وآليات مواءمة
أولًا: أهداف الدراسة ومنهجيتها
أُجريت دراسات تجريبية قارنت أنماط أداء البشر بسلوكيات النماذج عبر مهام بصرية لغوية متنوعة، بهدف الكشف عن حدود مخططات الترميز الثابتة التقليدية في محاكاة الطبيعة الديناميكية الحساسة للسياق لمعالجة البشر للمعلومات، واقترح الباحث إطارًا جديدًا للترميز الديناميكي عبر الوسائط يدمج حدودًا تكيفية تتغير بتغير السياق وتمثيلات هرمية للمعلومات وآليات مواءمة بين الوسائط مؤسسة على مبادئ العلوم المعرفية، ثم قُيّم هذا الإطار كميًا على مهام قياسية معيارية وقورن بأحدث النماذج في المجال
ثانيًا: أبرز النتائج
1. أظهرت المقارنات أن مخططات الترميز الثابتة التقليدية تحد بدرجة جوهرية من قدرة النماذج الحالية على محاكاة الطبيعة الديناميكية الحساسة للسياق في معالجة البشر للمعلومات عبر الوسائط
2. حقق النهج المقترح تحسينات دالة إحصائيًا على أحدث النماذج في المهام القياسية، بواقع 7.8 في المئة في مهمة الإجابة عن الأسئلة البصرية عند مستوى دلالة إحصائية أدنى من 0.001، و5.3 في المئة في مهمة وصف المشاهد المعقدة
3. أظهر النهج المقترح أنماط أخطاء وتوزيعات انتباه أكثر مواءمة للأنماط البشرية مقارنة بالنماذج المرجعية، بما يعزز صدقه المعرفي بوصفه محاكاة أقرب لمعالجة الإنسان للمعلومات
ثالثًا: دلالات الدراسة وتطبيقاتها
تسهم هذه النتائج في الفهم النظري للعلاقة بين المعرفة البشرية والذكاء الاصطناعي، إذ تقدم دليلًا تجريبيًا على أن استلهام آليات التقطيع المعرفي البشري في تصميم الترميز متعدد الوسائط يمكن أن يطوّر أنظمة ذكاء اصطناعي أكثر قبولًا من الناحية المعرفية وأقرب إلى طريقة الإنسان في فهم العالم وتمثيله، وهو اتجاه يفتح آفاقًا بحثية واسعة عند تقاطع العلوم المعرفية وهندسة النماذج اللغوية الكبيرة
وينطلق البحث من ملاحظة أن الإنسان لا يعالج المشهد البصري أو المعلومات اللغوية وحدات منفصلة ثابتة الحجم، بل يعيد تقطيع المعلومات باستمرار إلى وحدات معنوية تتسع وتضيق بحسب هدف المهمة وسياقها، وهو ما يمنحه كفاءة عالية في الفهم بجهد معرفي محدود، في حين تفرض مخططات الترميز الثابتة على النماذج تقطيعًا جامدًا قد يمزق الوحدات المعنوية أو يهدر الموارد الحاسوبية على تفاصيل غير ذات صلة بالمهمة، ومن هنا تتولد الفجوة التي تسعى الدراسة إلى ردمها بين سلوك النموذج وسلوك الإنسان
وتتسع دلالة هذه النتيجة لتشمل تقييم النماذج ذاته، فحين تخطئ النماذج بطريقة أشبه بأخطاء البشر ويتوزع انتباهها على عناصر المشهد بصورة قريبة من توزع الانتباه البشري يصبح سلوكها أكثر قابلية للفهم والتنبؤ والثقة، وهو شرط مهم لتوظيف الأنظمة متعددة الوسائط في التطبيقات العملية الحساسة التي يتفاعل فيها الإنسان مع الآلة باستمرار
ويميز الإطار المقترح نفسه بدمج ثلاثة عناصر متكاملة هي الحدود التكيفية التي تستجيب لتغير السياق أثناء المعالجة، والتمثيلات الهرمية التي تنظم المعلومات متعددة الوسائط في مستويات متدرجة، وآليات المواءمة التي تربط بين الوسائط المختلفة بصورة متناسقة، وهو دمج يستند صراحة إلى مبادئ العلوم المعرفية في فهم كيفية معالجة الإنسان للمعلومات وتكاملها
وخلاصة القول إن إعادة التفكير في حدود الرموز التي تتعامل بها النماذج متعددة الوسائط، بحيث تصبح تكيفية وهرمية وموائمة للسياق كما هي في الإدراك البشري، تمثل خطوة واعدة نحو نماذج لا تتفوق عدديًا فحسب بل تخطئ أيضًا وتنتبه بطريقة أشبه بالبشر، بما يعزز الثقة بها ويعمق فهم العلاقة بين الذكاءين الطبيعي والاصطناعي
