«مايند توبو» يختبر الحدس الطوبولوجي لنماذج الأساس: التوليد البصري يخدع التخطيط ويتراجع أمام الأداء البشري

يقيس المجتمع البحثي قدرات النماذج البصرية واللغوية الكبيرة عادة بالاعتماد على اختبارات قياسية تركز على الأبعاد الهندسية المجردة مثل المسافات والزوايا والأشكال الظاهرة، غير أن الإدراك المكاني الحقيقي، كما تؤصل له علوم الإدراك، يستند في جوهره إلى العلاقات الطوبولوجية التي تظل ثابتة تحت وطأة التشوهات والتحولات الفيزيائية المستمرة. في هذا السياق، يقدم فريق بحثي مقياس «مايند توبو» (MindTopo) لفحص الحدس الطوبولوجي لدى نماذج الأساس عبر خمس خصائص رئيسية مستمدة من العلوم الإدراكية والطوبولوجيا الرياضية الصورية، وهي: الاتصال، والانفصال، والترتيب، والإحاطة، وفهم العُقد وتشابكها.

يقسم الاختبار الجديد تقييم النماذج عبر مستويين إدراكيين متمايزين يرسمان الحدود الفاصلة بين الفهم النظري والممارسة التنفيذية. المستوى الأول هو الاستدلال، حيث يُطلب من النموذج رصد العلاقات الطوبولوجية القائمة في المشهد أو استنتاج كيفية تبدلها وتطورها، أما المستوى الثاني فهو التخطيط، وفيه يُوظف نموذج الأساس كوكيل برمجي مغلق الحلقة يحدد سياسته وتصرفاته الحركية داخل البيئة. ويضم المقياس 11,030 حالة اختبار موزعة على 13 نمطًا من المهام المولدة إجرائيًا بمستويات صعوبة يمكن التحكم بها بدقة، حيث أُخضع 14 نموذجًا متعدد الوسائط للاختبار، إلى جانب فحص بنيات معززة بتوليد الصور وثلاثة نماذج لتوليد الفيديو في بيئات التخطيط المغلقة.

كشفت النتائج عن هوة عميقة تفصل بين قدرة النماذج على الإدراك النظري وعجزها عن التطبيق العملي، حيث أظهرت كافة النماذج الأربعة عشر تفوقًا واضحًا في مهام الاستدلال مقارنة بقدرتها المتواضعة على التخطيط التنفيذي، في حين بقي أداء أفضل نموذج قيد الاختبار متخلفًا بمسافة شاسعة عن مستوى الأداء البشري المرصود في المهام ذاتها. وحتى عند فحص نموذج «كيوين 3 في إل 2 بي» (Qwen3-VL-2B-Instruct) وإخضاعه لتقنيات الضبط الدقيق تحت الإشراف والتعلم المعزز، ذهبت المكاسب كلها لصالح الاستدلال الذهني، وظلت استجابة النموذج في مسارات التخطيط الحركي عاجزة عن مواكبة التحسن المطلوب.

الملاحظة الأكثر إثارة للقلق ظهرت في تجارب التوليد البصري المعتمدة على الفيديو، حيث تُنتج النماذج مشاهد تحتفظ بالمؤشرات البصرية الموضعية وتصل إلى نقاط نهاية تبدو منطقية ومقنعة للوهلة الأولى. غير أن التدقيق الصارم لمسارات الحركة المتعاقبة أثبت أن المشاهد المولدة تفشل في اتباع ديناميكيات البيئة الحقيقية وتعجز عن الحفاظ على الخصائص الطوبولوجية السليمة أثناء الانتقال بين الإطارات، مما يعني أن النموذج يصنع مشهدًا خادعًا بالنجاح بينما تتلاشى الروابط الفيزيائية الحقيقية تحت غطاء المحاكاة البصرية السطحية.

هذه الفجوة تفرض مراجعة هندسية فورية للفرق البرمجية والشركات التي تبني تطبيقات الروبوتات والخدمات اللوجستية المؤتمتة في مستودعات الرياض ودبي أو مرافق الفرز الصناعي في القاهرة. الاعتماد على النماذج التوليدية ونماذج الرؤية واللغة لاتخاذ قرارات التخطيط الحركي المستقل ينطوي على مخاطرة باهظة الكلفة، إذ تثبت التجربة أن قدرة النموذج على الإجابة عن أسئلة المشهد لا تضمن أبدًا قدرته على تحريك ذراع آلية أو تفادي تشابك الأسلاك ومسارات الحركة. القرار الهندسي الأضمن هنا هو حصر النماذج اللغوية البصرية في مهام الاستدلال والمراقبة، مع إبقاء التخطيط والتنفيذ الحركي مقيدًا بمحركات تحقق فيزيائية ورياضية صارمة تفحص استمرارية الحركة في كل إطار قبل تفويض الفعل الميداني للآلة.

توضح قراءتنا لهذه المعطيات أن الانتقال من بيئات النماذج التجريبية إلى الأتمتة الميدانية الحقيقية في المنطقة يتطلب تدقيقًا عميقًا في كيفية فهم الآلات للمساحة والترابط الفيزيائي. الحدس الطوبولوجي ليس ترفًا نظريًا، بل هو الشرط الحاكم لمنع حوادث التشغيل وأخطاء التوجيه في مصانع ومستودعات يعتمد اقتصادها الرقمي المتسارع على دقة الحركة وسلامة المنظومة ككل.