إطار «فيستا» يعيد كتابة الاستدلال البصري بذاكرة غير منقوصة تتفوق على البشر

ظل الافتراض السائد في أوساط تطوير الذكاء الاصطناعي يربط عجز النماذج متعددة الوسائط عن حل المهام التفاعلية المعقدة بنقص في قدرتها على الاستدلال، غير أن دراسة حديثة أثبتت أن الخلل يكمن في غياب البيئة البصرية الحاضنة التي تحفظ للنموذج استمرارية الرؤية. قدّم فريق بحثي يضم تشيوشي هان وكيا هو ولينلو تشيو وكاثي وو وكاي مينغ هي إطارًا أطلقوا عليه اسم «فيستا» (VISTA)، بوصفه لجامًا بصريًا يتيح للنماذج العامة متعددة الوسائط امتلاك رؤية ممتدة المدى في البيئات التفاعلية.

يقوم تصميم هذا الإطار على مبدأ هندسي مباشر يتجاوز ضغط الصور واختزالها: فهو يمنح النموذج قدرة الإدراك المباشر للبيئة عبر الملاحظات البصرية الحية، مع الاحتفاظ بسجل كامل لما شاهده دون أي فقدان تفصيلي. الميزة المحورية هنا ليست مجرد تخزين المشاهد الماضية، بل تمكين النموذج من استرجاع تلك الملاحظات بفاعلية وإعادة تنظيم مدخلاته البصرية أثناء عملية التفكير، مما يسمح للنموذج ببناء سياق تراكمي متماسك يشبه تمامًا طريقة تعامل العين والذاكرة البشرية مع المشكلات المتغيرة.

تجلت قوة هذه المعمارية بصورة ملموسة عند اختبارها على معيار «ARC-AGI-3»، وهو أحد أكثر الاختبارات صرامة في قياس مرونة الذكاء الاصطناعي واستقلاليته. أحدث إطار «فيستا» تحولًا جذريًا في أداء نموذج «كلود أوبوس 5.0» (Claude Opus 5.0)، إذ قفز بمعدل كفاءة الفعل البشري النسبي للنموذج من 40.68 نقطة إلى الدرجة الكاملة 100.00 نقطة. واستطاع النموذج إنهاء جميع الألعاب العامة البالغ عددها 25 لعبة، محققًا تفوقًا لافتًا عبر استهلاك أفعال أقل بنسبة 57.4 بالمئة مقارنة بالمشاركين من البشر الذين يخوضون هذه الاختبارات للمرة الأولى.

لم تتوقف هذه النتائج عند بيئة اختبار منفردة، إذ أثبتت التجربة قدرة هذا الإطار البسيط على التمدد بصورة طبيعية نحو بيئات بصرية متباينة بأدنى قدر من التكييف. وعلى امتداد ثلاثة معايير قياسية إضافية شملت حزمة واسعة من الألعاب البصرية والألغاز المكانية، حقق الإطار تفوقًا قاطعًا على خطوط الأساس التي تعتمد على النموذج الأساسي نفسه ولكن بحواضن برمجية محدودة، وهو ما يبرهن على أن قدرات النماذج التوليدية الراهنة أكبر بكثير مما تفصح عنه الواجهات التقليدية.

هذا التحول يحمل دلالة استراتيجية وتشغيلية بالغة الأهمية لفرق الهندسة والمطورين في الخليج ومصر والمشرق العربي. الفارق بين وكيل ذكي متعثر وآخر ينجز المهام بكفاءة لم يعد يتطلب تدريب نماذج عملاقة من الصفر أو ضخ ميزانيات حوسبة مليارية؛ بل يتحدد في طبقة الربط البصري وتصميم الذاكرة الحافظة للسياق. بالنسبة لغرف التحكم في المنشآت اللوجستية، ومنظومات الفحص البصري للموانئ ومحطات الطاقة، والأنظمة التفاعلية في المؤسسات المالية بالمنطقة، يعني تقليص أفعال الوكيل بأكثر من النصف خفضًا مباشرًا في عدد استدعاءات واجهات البرمجة، وتراجعًا ملحوظًا في زمن الاستجابة وفواتير الاستدلال التشغيلية.

الرهان الهندسي اليوم ينتقل من سباق توسيع النماذج إلى فن تشييد بيئات الربط وتدفق الذاكرة المحيطة بها. وعندما يتمكن إطار برمجي خفيف من مضاعفة كفاءة نموذج متقدم بأكثر من الضعف ويتفوق على الأداء البشري في ألعاب المنطق المرئي، فإن الرسالة واضحة لكل من يبني حلول الأتمتة الإقليمية: ابدأ ببناء ذاكرة بصرية غير منقوصة للوكيل قبل أن تلوم قدرته على التفكير.