«إلوريان» تطلق نموذج «غليمبس»: استدلال بصري يعيد فحص الصورة بدل تذكرها غيبا

بدأت فكرة النموذج الجديد من طاولة ألعاب في أمسية عطلة، حين التقط أندرو داي، الباحث السابق في «غوغل ديب مايند»، صورة للوحة لعبة كان يمارسها مع أصدقائه وسأل أحد أبرز النماذج الرائدة عمن يوشك على الفوز، فجاءت النتيجة عجزاً كاملاً عن الإجابة. تكشف هذه الواقعة البسيطة عن قصور جوهري يلازم معظم النماذج متعددة الوسائط؛ فهي تتعامل مع الصور بنظرة خاطفة واحدة تحولها فوراً إلى وحدات نصية ثم تجري استدلالاتها باللغة، تماماً كشخص يحاول وصف لوحة معقدة اعتماداً على الذاكرة المجردة بعد إغماض عينيه. ومن هذه المفارقة انطلقت شركة «إلوريان» في بالو ألتو لتطلق أول نماذجها تحت اسم «غليمبس»، طارحة فرضية تقنية ترى أن الذكاء الاصطناعي الحالي لا يبصر المشاهد فعلياً رغم براعته المشهودة في كتابة الشيفرات وتحليل النصوص.

النموذج الجديد يتجاوز الاعتماد على الذاكرة النصية عبر العودة المستمرة إلى المشهد الأصلي. فخلال عملية التفكير، يستطيع «غليمبس» اقتطاع جزء محدد من الصورة لتكبيره، أو استدعاء إطارات معينة من مقطع فيديو، أو حتى تشغيل شيفرة برمجية لقياس الأبعاد والمقارنة داخل بيئة أطلقت عليها الشركة اسم مساحة المسودة البصرية. تشبه هذه الآلية تصرف إنسان يقرّب صورة بهاتفه للتحقق مما رآه للوهلة الأولى. وقد استند داي في مقاربته إلى قدرة البشر على تجميع قطع الأثاث عبر كتيبات الرسوم التوضيحية المجردة من أي شروح مكتوبة، متسائلاً عن سبب عجز النماذج الحاسوبية عن قراءة الرموز والإشارات البصرية المشتركة التي يفهمها العقل البشري البالغ بأقل جهد ممكن.

خرجت «إلوريان» من مرحلة العمل السري قبل ستة أشهر بجولة تمويل بذرة بلغت 55 مليون دولار وبتقييم وصل إلى 300 مليون دولار قبل طرح أي منتج تجاري، بدعم مشترك من «سترايكر فنتشر بارتنرز» و«مينلو فنتشرز» و«ألتيمتر كابيتال»، وبمشاركة من «إنفيديا» وكبير علماء غوغل جيف دين. ورغم أن فكرة التكبير والقص أثناء الاستدلال ظهرت لدى «أوبن إيه آي» في طرازات عام 2025، إلا أن رهان الشركة الناشئة تمثل في بناء النموذج بأكمله حول هذه الفلسفة بتكلفة تدريب منخفضة. فقد نجح فريق صغير في تدريب «غليمبس» على بضع مئات من معالجات الرسوميات فقط ليصبح أصغر حجماً بكثير من الأنظمة المنافسة، مع تسعير يبلغ 0.60 دولار لكل مليون وحدة دخل و3 دولارات لكل مليون وحدة خرج، ما يضعه في منطقة وسطى تقل تكلفة عن «سونيت» و«سول» وتزيد على النماذج الخفيفة مثل «هايكو» و«لونا».

تظهر تقييمات الشركة تفوق النموذج على أنظمة متقدمة مثل «جي بي تي 6 أسترا» في قراءة المخططات البيانية العلمية وتوليد شروح الفيديو القصير. ويتاح النموذج حالياً كمعاينة بحثية عبر واجهة برمجة التطبيقات بينما تظل واجهة المحادثة مقتصرة على قائمة انتظار، مستهدفاً في مرحلته الأولى قطاعات تعتمد على كتل ضخمة من الفيديو، مثل مختبرات الروبوتات والعلوم وصناع المحتوى المرئي. وتخطط «إلوريان» لتطوير قدراتها العام المقبل لتبني ما تصفه بأفضل نموذج استدلال بصري، متطلعة إلى الانتقال من مرحلة الرؤية والتحليل إلى مرحلة الفعل والتحكم المباشر في حركة الروبوتات ميدانياً عبر فهم عميق لبيئتها المادية.

يضع هذا التحول مديري التقنية وفرق هندسة الحلول في الخليج ومصر والشام أمام حسابات تشغيلية مغايرة. فطالما اصطدمت مشروعات أتمتة الفحص البصري، وقراءة الوثائق الهندسية، وتحليل تدفقات الفيديو في المستودعات اللوجستية الإقليمية بفواتير استدلال باهظة تفرضها النماذج الرائدة العامة، إلى جانب ضياع الدقة نتيجة المعالجة النصية التقديرية للصور. إن توفير نموذج بصري متخصص بحجم أصغر وتكلفة استهلاك معقولة يمكّن الفرق المحلية من بناء أدوات فحص دقيقة تعتمد على التدقيق التكراري بدلاً من حرق الميزانيات على نماذج عملاقة لا تجيد قراءة التفاصيل. قرارك اليوم لم يعد محصوراً بين استئجار أضخم نموذج متاح أو التراجع عن معالجة الوسائط، بل يتجه نحو دمج نماذج استدلال بصرية تؤدي مهام الفحص المركز وتترك للأنظمة الأخرى صياغة الإجابات النهائية.