Which Way Does Time Flow? A Psychophysics-Grounded Evaluation for Vision-Language Models
تقدم هذه الورقة AoT-PsyPhyBENCH، وهو معيار تم التحقق من صحته نفسيًا وجسديًا يوضح أن نماذج الرؤية واللغة الحالية تعاني في تحديد سهم الزمن في الفيديوهات الطبيعية، مما يكشف عن فجوة جوهرية في قدراتها على الاستدلال الزمني والسببي مقارنة بالبشر.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك كاميرا فيديو سحرية يمكنها تسجيل العالم. الآن، تخيل أنك تشغل هذا الفيديو بشكل عكسي.
إذا رأيت كوباً زجاجياً محطماً يقفز فجأة من الأرض، وتتطاير القطع للأعلى لتتجمع بشكل مثالي على الطاولة، فستعرف فوراً: "هذا يعمل بالعكس!" فهذا يتحدى قوانين الفيزياء. الجاذبية تسحب الأشياء للأسفل، لا للأعلى. والاعتلال (الإنتروبيا) يزداد فوضى، ولا ينقص تلقائياً.
يمتلك البشر هذه القدرة الخارقة المدمجة في عقولنا. نحن لا نحتاج للتفكير في الأمر؛ نحن نعرف ببساطة أن الزمن يتدفق في اتجاه واحد.
هذه الورقة البحثية تطرح سؤالاً بسيطاً، ولكنه مرعب بالنسبة للذكاء الاصطناعي: هل تمتلك نماذج فيديو الذكاء الاصطناعي الحديثة هذه القدرة الخارقة ذاتها؟
التجربة: اختبار "السفر عبر الزمن"
ابتكر الباحثون معياراً يسمى AoT-PsyPhPhBENCH (اختبار السيكوفيزياء لسهم الزمن). فكر فيه كأنه "اختبار رخصة قيادة" للذكاء الاصطناعي، ولكن بدلاً من قيادة سيارة، يتعين على الذكاء الاصطناعي قيادة آلة زمن.
أخذوا مئات الفيديوهات القصيرة من الحياة اليومية (مثل كرة تسقط، أو انفجار، أو شخص يبني قلعة رملية). عرضوا هذه المقاطع على البشر وعلى نماذج ذكاء اصطناعي متنوعة (مثل GPT-4، وGemini، ونماذج مفتوحة المصدر) وسألوهم: "هل هذا الفيديو يعمل للأمام أم للخلف؟"
النتائج: الذكاء الاصطناعي تاه في الزمن
كانت النتائج صادمة.
- البشر أسياد الزمن: أصاب البشر في الإجابة بنسبة 89% تقريباً. عندما سقطت كرة ثلج للأعلى نحو السماء، عرفنا على الفور أنها معروضة بشكل عكسي.
- الذكاء الاصطناعي مرتبك زمنياً: نجحت أفضل نماذج الذكاء الاصطناعي في الإجابة بنسبة 60% فقط تقريباً. وهذا بالكاد يتفوق على رمي العملة المعدنية (50%).
- "انحياز الاتجاه الأمامي": لدى معظم نماذج الذكاء الاصطناعي عادة غريبة؛ فإذا شعرت بالحيرة، فإنها غالباً ما تخمن "للأمام". الأمر يشبه طالباً يؤدي امتحاناً، وعندما لا يعرف الإجابة، يقوم بتدوير الخيار "ج" في كل مرة. إنهم اعتادوا جداً على رؤية الفيديوهات تعمل للأمام لدرجة أنهم لا يستطيعون تخيل العالم وهو يعمل بالعكس.
- "فخ التفكير": حاول الباحثون مساعدة الذكاء الاصطناعي عبر مطالبته بـ "التفكير خطوة بخطوة" (وهي تقنية تسمى "سلسلة الأفكار - Chain-of-Thought"). كانوا يأملون أن يقول الذكال الاصطناعي: "انتظر، الماء يتقلص ليصبح رذاذاً، هذا مستحيل، لذا لا بد أنه يعمل بالعكس".
- ما حدث فعلياً؟ أصبح الذكاء الاصطناعي أسوأ. كان يصف المشهد بدقة ("أرى رذاذاً يتقلص")، ولكنه يخلص بثقة إلى: "لذلك، هذا يعمل للأمام". كان الأمر أشبه بمحقق وجد دليلاً، لكنه تجاهله لأنه كان واثقاً جداً في نظريته الخاطئة.
لماذا فشل الذكاء الاصطناعي؟
تشير الورقة البحثية إلى أن الذكاء الاصطناعي ليس "غبياً" بالمعنى المعتاد. فهو بارع في التعرف على الأشياء؛ يعرف ما هو "الكرة"، وما هو "الثلج"، وكيف يبدو "السقوط".
ومع ذلك، يفتقر الذكاء الاصطناعي إلى الفيزياء الحدسية.
- البشر لديهم نموذج ذهني لكيفية عمل الكون (الجاذبية، السبب والنتيية). نحن نعلم أنك إذا أسقطت كوباً، فسينكسر. ونعلم أنه لا يمكنك "إعادة كسر" الشيء.
- الذكاء الاصطناعي يرى فقط الأنماط. لقد رأى ملايين الفيديوهات لأكواب تنكسر. هو يعرف أن "كوب" + "سقوط" عادة ما يساوي "مكسوراً". لكنه لا يفهم القاعدة التي تقول إن الزمن يتحرك للأمام فقط. إنه يشبه الببغاء الذي يمكنه تكرار جملة "سقط الكوب" لكنه لا يفهم لماذا سقط أو ماذا سيحدث لو لعبت الشريط بالعكس.
التشبيه: "محب الأفلام" مقابل "الفيزيائي"
تخيل شخصين يشاهدان فيلماً يُعرض بشكل عكسي:
- الذكاء الاصطناعي (محب الأفلام): يرى رجلاً يمشي للخلف، فيظن: "لقد رأيت أشخاصاً يمشون للخلف في الأفلام! هذا أمر طبيعي!" هو يعتمد على ما رآه من قبل.
- الإنسان (الفيزيائي): يرى الرجل يمشي للخلف ويفكر: "انتظر، قدمه تدفع الأرض بطريقة تتحدى الجاذبية. كوب القهوة يقفز من الأرض إلى الطاولة. هذا مستحيل!" هو يعتمد على قوانين الفيزياء.
الذكاء الاصطناعي هو "محب الأفلام". لقد شاهد الكثير من الأفلام، لكنه لم يتعلم قوانين الكون.
الخلاصة
هذه الورقة البحثية هي بمثابة جرس إنذار. حتى أكثر نماذج الذكاء الاصطناعي تقدماً اليوم بارعة في وصف ما تراه، لكنها سيئة جداً في فهم كيف يعمل العالم بمرور الوقت.
لبناء ذكاء اصطناعي يفهم العالم حقاً، لا يمكننا فقط تغذيته بالمزيد من الفيديوهات أو مطالبته بـ "التفكير بجهد أكبر". نحن بحاجة لتعليمه القواعد الأساسية للفيزياء والسببية — "سهم الزمن" غير المرئي الذي يوجه كل شيء، من سقوط التفاح إلى انفجار الألعاب النارية. وحتى ذلك الحين، إذا طلبت من الذكاء الاصطناعي مشاهدة فيديو بالعكس، فقد يخبرك ببساطة أنه يوم عادي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.