هناك توتر شعري في فكرة أن الآلات - المولودة من المنطق والصمت - قد تقرأ يومًا كما نفعل، تتبع منحنيات اللغة في مستندات طويلة ومتعرجة كما قد يستمتع القارئ برواية. في العقل البشري، ينمو الفهم ببطء مع تطور الجمل، وبناء الذكريات، واستقرار السياق. بالمقابل، عانى الذكاء الاصطناعي، الذي نشأ من سطور من الشيفرات وجبال من البيانات، لفترة طويلة مع طول وتعقيد النصوص الكثيفة، مما دفع المبتكرين للبحث عن طرق جديدة لمساعدة الآلات على سد هذه الفجوة.
في السنوات الأخيرة، جاءت إحدى هذه الأفكار من DeepSeek، وهي شركة ناشئة صينية في مجال الذكاء الاصطناعي قدمت تقنية تُعرف باسم DeepSeek-OCR. بدلاً من التعامل مع النصوص كسلاسل من الرموز - النهج التقليدي لنماذج اللغة الكبيرة - تقوم هذه الطريقة بتحويل المقاطع الطويلة إلى تنسيقات بصرية، مما يضغطها إلى "رموز رؤية" كثيفة. كانت الوعود جذابة: صياغة كتب كاملة أو تقارير مفصلة في شكل قد "ترى"ه الذكاء الاصطناعي وبالتالي تفسره بشكل أكثر كفاءة. كان الأمر كما لو أننا قدمنا للآلة صورة للمنظر بدلاً من سلسلة من الكلمات، على أمل أن تصبح الأنماط الأوسع أسهل في المتابعة.
ومع ذلك، أثارت الأبحاث الجديدة النقاش برفق، متسائلة عما إذا كان هذا الغروب المجازي يعكس فهمًا أعمق حقًا للغة أم مجرد وهم ذكي. قام باحثون من مؤسسات في اليابان والصين بفحص التقنية وتساءلوا عما إذا كانت أدائها يعتمد أقل على الفهم البصري الحقيقي وأكثر على الأنماط التي تعلمها الذكاء الاصطناعي - الميل الإحصائي الذي تحمله أي نموذج كبير من التدريب على كميات هائلة من النصوص. تشير نتائجهم إلى أنه عندما تتم إزالة هذه الأولويات اللغوية، تنخفض قدرة النموذج على معالجة النصوص الطويلة بشكل كبير، مما يكشف عن مدى اعتماده على الإشارات المألوفة بدلاً من البصيرة البصرية الجديدة.
هذا ليس رفضًا، ولا هو دحض دراماتيكي للابتكار. بل هو لحظة تأمل شائعة في التقدم العلمي: نظرة صادقة إلى حيث يلتقي الوعد بالممارسة. تظل طريقة DeepSeek-OCR واحدة من أكثر المحاولات ابتكارًا لمعالجة ما يسميه الباحثون "اختناق السياق الطويل"، التحدي الذي تواجهه أنظمة الذكاء الاصطناعي الحديثة عند محاولة تذكر واستخدام مقاطع طويلة من النص دون إغراق الذاكرة أو الموارد الحاسوبية. وقد أشاد المهندسون والنظريون على حد سواء بعبقرية التعامل مع النص كصورة، وقد وسعت الفكرة بالفعل المحادثات حول كيفية تفكير الأنظمة متعددة الوسائط بشكل أكثر شبهاً بالبشر من خلال دمج الرؤية واللغة.
ما يسلط الضوء عليه النقد الأخير ليس الفشل، بل التعقيد. إن أبحاث الذكاء الاصطناعي تكرارية، وغالبًا ما تتقدم عندما يدفع قفزة إبداعية واحدة إعادة فحص أخرى. حتى إذا كشفت طريقة جديدة عن قيود، فإن تلك القيود تعلم الباحثين عن حدود المعرفة الحالية وأين يجب أن يتجهوا بعد ذلك. في التفاعل بين النص والرؤية، بين الضغط والفهم، يستمر المجال نفسه في التطور.
من الناحية الواقعية، تم التشكيك في تقنية DeepSeek-OCR، التي تم تقديمها لأول مرة في عام 2025 كطريقة لمساعدة نماذج الذكاء الاصطناعي على معالجة المستندات الطويلة من خلال ضغط النص بصريًا، من خلال تحليل أكاديمي حديث. وجد الباحثون أن أدائها المبلغ عنه قد يعتمد بشكل كبير على أنماط اللغة الإحصائية بدلاً من الفهم البصري الحقيقي، مما يشير إلى أن المزيد من العمل مطلوب للتحقق من صحة وتعديل النهج.
تنبيه صورة الذكاء الاصطناعي
"الصور تم إنشاؤها باستخدام أدوات الذكاء الاصطناعي وليست صورًا حقيقية."
المصادر (أسماء وسائل الإعلام فقط)
ساوث تشاينا مورنينغ بوست تكنولوجيا في آسيا بيزنس إنسايدر فورتشن آي بي إم ثينك / كلاريفاي
نُشر بواسطة Banx Network. هذا المقال جزء من برنامج الوسائط اللامركزية من Banx، مدعومًا برمز BXE على شبكة XRP Ledger.
