مقارنة النماذج مقارنة نماذج الصور أدوات الذكاء الاصطناعي النماذج نماذج الصور أخبار الذكاء الاصطناعي البحث جرّب مجانًا
شرح مبسّط قراءة في 7 دقائق

5 خرافات حول ما يراه الذكاء الاصطناعي في صورك

بقلم Chatday Editorial Team ·

explainerimage-aivisionanalyze-imageai-myths
5 خرافات حول ما يراه الذكاء الاصطناعي في صورك

اعرض على الذكاء الاصطناعي صورة كلب واسأله: كم ساقاً لديه؟ سيقول: أربع. الآن عدّل الصورة بحيث يصبح للكلب خمس سيقان، ثم اسأله من جديد. سيظل يقول: أربع.

هذه ليست خدعة مختلقة. إنها واحدة من اختبارات دراسة بعنوان “نماذج الرؤية واللغة متحيزة”، قُبلت في ICLR 2026، وهو من أبرز مؤتمرات أبحاث الذكاء الاصطناعي. عندما عرض الباحثون على النماذج حيوانات بساق زائدة أو ناقصة، لم تعدّ النماذج بشكل صحيح إلا في 2.12% من الحالات.

ومع ذلك، يستطيع النوع نفسه من الذكاء الاصطناعي قراءة إيصال غير واضح، أو شرح شاشة إعدادات مربكة، أو إخبارك باسم النبتة على حافة نافذتك. فأيهما الصحيح: هل يرى الذكاء الاصطناعي صورك فعلاً أم لا؟ معظم ما يظنه الناس عنه صحيح جزئياً فقط. إليك خمس قناعات شائعة، نراجعها واحدة تلو الأخرى.

الخرافة 1: “الذكاء الاصطناعي ينظر إلى الصورة كما تنظر أنت”

خطأ. أنت تنظر إلى الصورة وتلاحظ ما هو موجود فعلاً. أما الذكاء الاصطناعي الذي يقرأ الصور، واسمه التقني نموذج رؤية ولغة، فيفعل شيئاً أقرب إلى التعرّف ثم التذكّر. يلتقط “كلباً”، ويتذكر أن الكلاب لها أربع سيقان، ثم يجيب بذلك. قالها الباحثون بصراحة: النماذج “لا تعدّ”.

حدث الأمر نفسه مع الشعارات. أضف شريطاً رابعاً إلى شعار Adidas الشهير ذي الأشرطة الثلاثة، وستظل النماذج تقول إنها ثلاثة. عبر سبعة أنواع من الصور المعدّلة، تشمل الحيوانات والشعارات ورقع الشطرنج وألعاب الطاولة والخدع البصرية والشبكات المزخرفة، حققت نماذج 2025 التي اختبروها متوسط 17.05% في أسئلة العدّ. أما في الصور الأصلية غير المعدّلة، فقد أجابت عنها كلها بشكل صحيح.

كان نحو ثلاثة أرباع إجاباتها على الصور المعدّلة هو الرقم “المتوقع” تماماً: الرقم الذي يعرفه النموذج مسبقاً، لا الرقم الموجود في الصورة. ووجدت دراسة أقدم بعنوان “نماذج الرؤية واللغة عمياء” النمط نفسه مع الأشكال المرسومة. عندما طُلب من أحد نماذج Gemini عدّ دوائر متداخلة في شعار بأسلوب الألعاب الأولمبية، أجاب “5” في نحو 99% من إجاباته الخاطئة، أياً كان العدد الحقيقي. خمس حلقات، مثل الألعاب الأولمبية.

الخلاصة: الذكاء الاصطناعي بارع في التعرّف على الأشياء المألوفة، لكنه أضعف بكثير في ملاحظة أن شيئاً مألوفاً قد تغيّر.

الخرافة 2: “إذا كان الذكاء الاصطناعي يتفوق في أولمبياد الرياضيات، فلا بد أنه يقرأ الساعة”

احتاج الأمر وقتاً. هذه أكثر نقطة تفاجئ الناس. في سبتمبر 2025، طلب اختبار معياري اسمه ClockBench من نماذج الذكاء الاصطناعي قراءة الساعات ذات العقارب: الوقت، وأي عقرب هو أي، وما الذي ستعرضه الساعة بعد بضع دقائق. حقق البشر متوسط 89.1%. أما أفضل نموذج بين 11 نموذجاً تم اختبارها فحقق 13.3%.

استخدم Stanford AI Index لعام 2026 هذا المثال بوصفه أفضل مثال على ما يسميه الباحثون “الذكاء المتعرج”: ذكاء اصطناعي يستطيع الفوز بالذهب في الأولمبياد الدولي للرياضيات، لكنه لا يستطيع دائماً معرفة الوقت بثقة. الساعات أصعب مما تبدو. على النموذج أن يقدّر الزوايا بدقة، ويميّز بين عقربين متشابهين، ثم يجري عملية حسابية صغيرة، كما أن وجوه الساعات ذات العقارب أقل شيوعاً بكثير على الإنترنت من الأرقام الرقمية الواضحة.

الخبر الجيد أن هذا المجال تحسن بسرعة كبيرة:

متىأفضل نتيجة للذكاء الاصطناعي على ClockBenchمتوسط البشر
سبتمبر 2025 (الإطلاق)13.3%89.1%
مارس 2026 (Stanford AI Index)50.6% (GPT-5.4)نحو 90%
نوفمبر 2026 (لوحة الترتيب العامة)87.8% (Claude Fable 5.2)90.7%

اليوم، تحتل المراكز الخمسة الأولى في لوحة الترتيب نماذج Claude Fable 5.2 وGemini 4 Carbon وGemini 4 Argon وClaude Opus 5.5 وGPT-6 Astra، وكلها تعمل بأعلى إعدادات التفكير لديها. ما زال البشر يتقدمون عليها قليلاً. لكن الفجوة انتقلت من “بلا أمل” إلى “قريبة” خلال نحو عام.

الخرافة 3: “صورة أوضح وأكبر ستحل الأخطاء”

خطأ في الغالب. يبدو الأمر منطقياً: إذا أخطأ الذكاء الاصطناعي، أعطه صورة أفضل. لكن في دراسة “العمى”، لم يغيّر تبديل الألوان أو سماكة الخطوط أو دقة الصورة كثيراً في قدرة النماذج على عدّ الدوائر المتداخلة. لم تكن المشكلة أنها لا تستطيع تمييز الأشكال. كانت المعلومات موجودة في الصورة. الصعب كان تحويلها إلى كلمات صحيحة.

ما ساعد كثيراً كان تقليل الفوضى البصرية. في دراسة “التحيز”، أدت إزالة الخلفية من الصور المعدّلة إلى مضاعفة الدقة تقريباً، بقفزة بلغت نحو 21 نقطة مئوية. الخلفية المزدحمة تمنح الذكاء الاصطناعي إشارات أكثر ليرجع إلى ما يتوقعه، مثل “هذه مزرعة، إذاً هذا كلب عادي”، بدلاً مما هو أمامه فعلاً.

الخرافة 4: “يكفي أن تطلب منه النظر مرة أخرى”

تنجح بالكاد. في دراسة “التحيز”، رفع طلب التحقق مرة ثانية من النموذج، أو مطالبته بالاعتماد فقط على ما في الصورة، دقة العدّ بمقدار نقطتين فقط في المتوسط. تركه يفكر مدة أطول ساعد إلى حد معين، إذ ارتفعت الدقة إلى نحو 40%، ثم ساءت النتيجة عندما بالغ النموذج في التفكير.

الأفضل هو تغيير السؤال. سؤال “كم عدد؟” يدعو إلى إجابة محفوظة. أما طلب المرور على الصورة أولاً فيدفع الذكاء الاصطناعي إلى الانتباه للصورة الفعلية:

  • “اذكر كل شخص في هذه الصورة من اليسار إلى اليمين، ثم أخبرني كم عددهم.”
  • “صف أين يشير عقرب الساعات وعقرب الدقائق، ثم أخبرني بالوقت.”
  • “اقرأ لي كل سطر في هذا الإيصال، ثم احسب المجموع.”

إذا كان الوصف خطوة بخطوة خاطئاً، فستلاحظ ذلك فوراً، وهذا هو المقصود. سترى أين أخطأ بدلاً من أن تحصل فقط على رقم واثق.

الخرافة 5: “إذاً ذكاء الصور غير موثوق ولا يستحق العناء”

خطأ، وهذه هي القناعة الأهم التي ينبغي التخلص منها. كل الإخفاقات أعلاه تأتي من اختبارات مصممة لتكون صعبة عمداً: شعارات معدّلة، وسيقان زائدة، ووجوه ساعات غريبة. وُضعت هذه الاختبارات للعثور على نقاط الضعف، وهي تفعل ذلك جيداً. لكنها تُظهر أيضاً أن هذه النقاط تضيق بسرعة. يذكر فريق دراسة “التحيز” أن GPT-6 Astra، الصادر في أكتوبر 2026، يحقق 84.10% في الاختبار نفسه الذي بلغ متوسط نماذج 2025 فيه 17%.

لكن بقيت تفصيلة لافتة. عندما يخطئ Astra، يقول الباحثون إنه يعطي الإجابة المحفوظة في 92.4% من الحالات. العادة لم تختف. لكنها تظهر الآن بدرجة أقل بكثير.

في الاستخدام اليومي، الصورة أكثر تفاؤلاً بكثير. وصف مشهد، قراءة نص مطبوع، شرح لقطة شاشة، التعرف إلى جسم شائع: هذه كلها تناسب نقطة قوة الذكاء الاصطناعي، وهي التعرّف على الأشياء المألوفة. إليك دليلاً سريعاً لما يمكنك الاطمئنان إليه وما ينبغي التحقق منه:

ما الذي تسأل عنهمدى الثقة بهالسبب
”ما الموجود في هذه الصورة؟“عاليةالتعرّف على المشاهد المألوفة من نقاط قوته
قراءة نصوص مطبوعة أو قوائم أو لافتاتعاليةالنص الواضح ممثل جيداً في التدريب
شرح لقطة شاشة أو خطأعاليةيقرأ الشاشة ويعرف البرمجيات
عدّ الأشياء، خصوصاً إذا كانت كثيرةتحقّق منهقد يذكر العدد المتوقع
أي شيء غير معتاد أو معدّلتحقّق منهيميل إلى “تصحيح” الغرائب نحو الشكل الطبيعي
الساعات ذات العقارب والمقاييس والأقراصتحقّق منهأصبح أفضل، لكنه لا يزال خلف البشر

وينطبق الأمر نفسه على الكلمات أيضاً. إذا تساءلت يوماً لماذا كان الذكاء الاصطناعي يتعثر في عدّ الحروف داخل كلمة، فإن شرحنا حول لماذا لا يستطيع الذكاء الاصطناعي عدّ حروف R في strawberry يبيّن أن المشكلة قريبة جداً من هذه.

نعم، وبشكل متزايد. في اختبار ClockBench، انتقل أفضل نموذج من 13.3% في سبتمبر 2025 إلى 87.8% في نوفمبر 2026، قريباً من متوسط البشر البالغ 90.7%. إذا كان الأمر مهماً، فتحقق من الإجابة بنفسك.
ذكاء الصور بارع جداً في التعرّف على الأشياء المألوفة واسترجاع الحقائق عنها. عندما تكسر الصورة النمط، مثل كلب بخمس سيقان، كثيراً ما يذكر ما يتوقعه بدلاً مما هو موجود.
قصّ الصورة حول ما يهمك، ثم اطلب من الذكاء الاصطناعي أن يصف أو يسرد ما يراه قبل أن يعطي الإجابة النهائية. بهذه الطريقة يمكنك ملاحظة الخطأ في وصفه.
مع النص المطبوع الواضح يكون جيداً جداً في العادة. اطلب منه قراءة كل سطر لك كي تقارن، وتحقق مرة ثانية من المجاميع أو الأرقام المهمة.

أسهل طريقة لرؤية كل ذلك بنفسك هي تجربته على صورة من ألبوم هاتفك. اختر شيئاً يومياً، ثم شيئاً غريباً قليلاً، واطلب من الذكاء الاصطناعي أن يشرح لك ما يراه خطوة بخطوة. في دليلنا حول جعل الذكاء الاصطناعي يشرح أي صورة أو لقطة شاشة ستجد أفكاراً أكثر لما يمكنك سؤاله.