نقدم آلة الحالة العصبية (Neural State Machine)، وهي تسعى إلى جسر الفجوة بين وجهات النظر العصبية والرمزية في الذكاء الاصطناعي ودمج قواهما المكملة لمهام الاستدلال البصري. بناءً على صورة معينة، نتنبأ أولاً ببيان احتمالي يمثل معانيها الأساسية ويؤدي دورًا كنموذج عالم منظم. ثم، نقوم بالاستدلال التتابعي على البيان، حيث ننتقل بشكل متكرر عبر عقد البيان للإجابة على سؤال محدد أو استنتاج جديد. بخلاف معظم الأطر العصبية المصممة للتفاعل الوثيق مع البيانات الحسية الخام، فإن نموذجنا يعمل بدلاً من ذلك في فضاء خفي مجرد، وذلك من خلال تحويل كل من الوسائل البصرية واللغوية إلى تمثيلات تعتمد على المفاهيم الدلالية، مما يحقق شفافية وقابلية للتحلي بالجزء أعلى. قدمنا تقييمًا لنموذجنا على مجموعتي بيانات VQA-CP وGQA الحديثتين اللتين تتضمنان التركيب والتوصيف المتعدد الخطوات ومجموعة متنوعة من المهارات الاستدلالية، حيث حقق النموذج أفضل النتائج في كلتا الحالتين. كما قدمنا تجارب إضافية توضح قدرة النموذج القوية على التعميم في أبعاد متعددة، بما في ذلك تركيبات جديدة للمفاهيم وتغيرات في توزيع الإجابات وهياكل لغوية غير مشهودة سابقًا، مما يظهر جودة ومنهجية نهجنا.请注意，这里对“Neural State Machine”采用了直接翻译为“آلة الحالة العصبية”，对于其他专有名词如“VQA-CP”和“GQA”则保留了英文缩写，以符合科技文献中的常见做法。同时，为了保证译文的流畅性和可读性，部分句子结构进行了调整。