هل يمكن نماذج الفيديو الحالية للذكاء الاصطناعي نمذجة كيفية عمل العالم الحقيقي بدقة؟ بحث جديد يُظهر أداءً غير متسق بشكل كبير في مهام الاستدلال الفيزيائي المختلفة.

تُظهر دراسة حديثة أداءً غير متسق بشكل ملحوظ في نماذج الذكاء الاصطناعي المتخصصة في إنتاج الفيديوهات، خاصةً عند تقييم قدرتها على فهم ومحاكاة القوانين الفيزيائية للعالم الحقيقي. وعلى الرغم من التقدم الكبير الذي أحرزته هذه النماذج في إنشاء مقاطع فيديو واقعية ومُقنعة، فإنها تواجه صعوبات كبيرة في التنبؤ بسلوك الأجسام أو التفاعل مع الظروف الفيزيائية المعقدة، مثل الجاذبية، التصادم، أو الاستقرار الهيكلي. أجرى الباحثون تقييمًا موسّعًا على مجموعة متنوعة من المهام التي تتطلب فهمًا عميقًا للمنطق الفيزيائي، مثل توقع مسار كرة تتدحرج على منحدر، أو تحليل ما يحدث عند سقوط كومة من الأدوات على الأرض. النتائج كشفت أن النماذج، حتى الأكثر تطورًا، تُظهر تباينًا كبيرًا في الأداء، حيث تنجح في بعض السيناريوهات البسيطة، لكنها تفشل بشكل مفاجئ في مواقف بسيطة أخرى تبدو واضحة للإنسان. على سبيل المثال، في مهام تتضمن تفاعل كتل متعددة، كانت بعض النماذج قادرة على تمثيل حركة الكتل بشكل معقول، لكنها أخطأت في توقع نتائج التصادم أو التوازن، كما أن بعض النماذج أظهرت سلوكًا غير منطقي مثل انتقال كتل عبر جدران أو تدحرج كرات في اتجاهات تتعارض مع قوانين الجاذبية. هذه الأخطاء تُظهر أن النماذج لا تمتلك فهمًا حقيقيًا للواقع، بل تعتمد على تنبؤات مبنية على أنماط مكتسبة من بيانات تدريب، دون تمثيل داخلي دقيق للقوانين الفيزيائية. يُعد هذا التباين في الأداء عاملًا مقلقًا، خاصة مع التوسع المتزايد في استخدام هذه النماذج في مجالات حساسة مثل التعليم، التصميم الصناعي، أو حتى التدريب على المهارات الحركية. فعندما تُستخدم لمحاكاة سيناريوهات واقعية، فإن الأخطاء الفيزيائية قد تؤدي إلى تدريب غير دقيق أو نتائج خاطئة. الباحثون يحذرون من أن الاعتماد على هذه النماذج دون فهم دقيق لحدودها قد يؤدي إلى تضخيم المغالطات، خصوصًا في السياقات التي تتطلب دقة عالية. ويشيرون إلى أن التطورات الحالية تركز على تحسين المظهر البصري، بينما تُهمل التأسيس المعرفي الضروري لفهم العالم الحقيقي. الحل، وفقًا للدراسة، لا يكمن في تحسين جودة الصور أو تكبير حجم البيانات، بل في إعادة تصميم النماذج لدمج معرفة فيزيائية صريحة، أو دمج نماذج فيزيائية محاكية ضمن عملية التدريب. هذا النوع من التكامل يمكن أن يُمكّن الذكاء الاصطناعي من التفكير "بشكل منطقي" وليس فقط "بشكل مُحاكى"، مما يقربه من قدرة الإنسان على التنبؤ بالنتائج الفيزيائية في العالم الحقيقي. في النهاية، رغم التقدم المذهل في إنتاج الفيديوهات، لا تزال النماذج الحالية تفتقر إلى الفهم الحقيقي للواقع، ما يجعلها أدوات مُثيرة للإعجاب بصريًا، لكنها غير موثوقة من الناحية المعرفية.