OmniPhys: A Unified Multimodal Benchmark for Physics Understanding and Generation from Chinese Educational Corpora

الفيزياء هي دراسة كيفية عمل الكون، بدءاً من الطريقة التي تتدحرج بها كرة أسفل تلة وصولاً إلى القوى غير المرئية التي توجه الكهرباء عبر سلك. لقرون مضت، تعلم البشر هذه القواعد من خلال قراءة الكلمات، والنظر في الرسوم التوضيحية، وحل المسائل التي تتطلب ربط النص بالصور. والي اليوم، أصبحت الحواسيب بارعة للغاية في قراءة النصوص والنظر في الصور، وغالباً ما تُسمى النماذج متعددة الوسائط لأنها تستطيع التعامل مع كلا النوعين من المعلومات في آن واحد. يمكن لهذه الآلات كتابة القصص، والإجابة على الأسئلة، وحتى وصف ما يحدث في صورة فوتوغرافية. ومع ذلك، عندما يتعلق الأمر بعالم الفيزياء الصارم والمنطقي، فإن مجرد التعرف على صورة أو قراءة جملة ليس كافياً. فالفهم الحقيقي يتطلب من الكمبيوتر أن يرى كيف يتناسب الرسم التوضيحي والوصف معاً لتشكيل سلسلة منطقية واحدة لا تقبل التجزئة. وإذا لم يستطع الجهاز القيام بذلك، فهو مجرد يخمن، وليس يستنتج.

قام فريق من الباحثين من جامعة شرق الصين العادية ببناء أداة جديدة لاختبار مدى قدرة هذه الحواسيب على التفكير كعلماء الفيزياء. لقد أنشأوا مجموعة ضخمة من المسائل تسمى "OmniPhys"، مستمدة من كتب مدرسية واختبارات صينية حقيقية تتراوح من المرحلة الإعدادية إلى المستوى الجامعي. هذه ليست مجرد قائمة أسئلة؛ بل هي اختبار صارم يجبر الحواسيب على فعل ما هو أكثر من مجرد اختيار الإجابة الصحيحة من قائمة. تضم المجموعة أكثر من 15,000 سؤال وما يقرب من 20,000 صورة، تغطي الميكانيكا، والكهرباء، والضوء، والحرارة، والصوت. وقد صممها الباحثون لتكون صعبة، لضمان أن تتطلب المسائل من الكمبيوتر تفسير رسومات ونصوص معقدة في وقت واحد. والأهم من ذلك، أن الاختبار يطلب من الحواسيب القيام بشيء نادراً ما تفعله: رسم رسوماتها التوضيحية الخاصة. فبدلاً من مجرد اختيار صورة، يجب على الكمبيوتر إنشاء صورة جديدة توضح بشكل صحيح كيف ينعكس الضوء أو كيف تؤثر القوى، ملتزماً بالقوانين الصارمة للفيزياء.

عندما أجرى الباحثون اختباراتهم، وجدوا أن حتى أكثر الحواسيب تقدماً، بما في ذلك أقواها المتاحة للجمهور، عانت بشكل كبير. تمكنت أفضل النماذج من حل حوالي 70 بالمائة من المسائل بشكل صحيح، ولكن عندما نظر الباحثون عن كثب في كيفية وصول تلك النماذج إلى تلك الإجابات، تغيرت الصورة. فقد حصلت العديد من النماذج على الإجابة الصحيحة عن طريق الصدفة أو عن طريق حفظ الأنماط، بدلاً من الفهم الحقيقي للمنطق. وكثيراً ما فاتتها خطوات رئيسية في استنتاجها أو فشلت في ربط الدلائل البصرية في الرسم مع النص. وكان الوضع أسوأ بالنسبة لمهمة الرسم؛ فعندما طُلب منها إنشاء رسم توضيحي فيزيائي، أنتجت الحواسيب غالباً صوراً تبدو منطقية للوهلة الأولى ولكنها تحتوي على أخطاء جوهرية. فقد ترسم شعاع ضوء ينحني في الاتجاه الخاطئ أو قوة تشير إلى الاتجاه المعاكس، مما ينتهك قوانين الطبيعة ذاتها التي كان من المفترض أن توضحها.

كما كشونت الدراسة أن هذه الحواسيب تسوء أدائها تدريجياً كلما زادت صعوبة المسائل. فقد أدت أداءً جيداً إلى حد ما في أسئلة المرحلة الإعدادية، لكن دقتها انخفضت بشكل حاد مع انتقال المسائل إلى المستويات الثانوية والجامعية. يشير هذا التراجع إلى أنه بينما تجيد هذه الآلات التعامل مع المهام البسيطة، إلا أنها لم تتقن بعد الاستنتاج العميق والمتعدد الطبقات المطلوب للتفكير العلمي المعقد. كما اكتشف الباحثون أن إعطاء الكمبيوتر صورة للمسألة ساعده على الأداء بشكل أفضل مما لو كان لديه النص فقط، مما يثبت أن المعلومات البصرية ضرورية لحل هذه الألغاز. ومع ذلك، وجدوا أن بعض النماذج أدت أداءً أسوأ عند إعطائها صورة، مما يشير إلى أن الكمبيوتر يعامل الصورة أحياناً كضجيج مربك بدلاً من معلومات مفيدة.

ولعل النتيجة الأكثر إثارة للدهشة كانت أن الحواسيب المستخدمة لتقييم العمل كانت غالباً "لطيفة" للغاية. فعندما طلب الباحثون من ذكاء اصطناعي تقييم الرسوم التوضيحية التي رسمتها حواسيب أخرى، أعطى المقيم درجات عالية لصور صنفها الخبراء البشريون بأنها غير صحيحة. لقد غفل المقيم الآلي عن أخطاء فيزيائية دقيقة كان سيلاحظها الإنسان على الفور. وهذا يعني أن الاعتماد على الآلات لتقييم جودة الاستنتاج العلمي غير موثوق به حالياً. ووجد الخبراء البشريون، الذين راجعوا العمل بعناية، أن الحواسيب كانت تفشل في استيعاب المفاهيم الأساسية للفيزياء، حتى عندما كانت الإجابة النهائية صحيحة بالصدفة.

لا يدعي هذا العمل أن الحواسيب عديمة الفائدة للعلم، ولكنه يظهر أن أمامها طريقاً طويلاً قبل أن تتمكن حقاً من فهم العالم المادي. لقد أتاح الباحثون مجموعتهم من المسائل والصور للجمهور حتى يتمكن علماء آخرون من استخدامها لبناء نماذج أفضل. ومن خلال تحديد مكان فشل هذه الآلات بالضبط — سواء في رسم مخطط صحيح، أو اتباع سلسلة منطقية، أو فهم مشهد بصري معقد — توفر الدراسة خريطة واضحة للتحسينات المستقبلية. الهدف ليس مجرد صنع حواسيب يمكنها اجتياز اختبار، بل إنشاء أنظمة يمكنها الاستنتاج من خلال قوانين الطبيعة بنفس الدقة والصرامة التي يمتلكها الفيزيائي البشري. وإلى أن يحدث ذلك، تظل الفجوة بين ما يمكن لهذه النماذج قوله وما تفهمه حقاً واسعة.