هوش مصنوعی

عامل‌های هوش مصنوعی در کدام نمودارها تصمیم‌های سنجیده‌تری می‌گیرند؟

پژوهشی تازه عملکرد مدل‌های بینایی‌ـ‌زبان را در فهم عدم‌قطعیت و تصمیم‌گیری بر پایهٔ داده‌های تصویری بررسی کرده است؛ عامل‌ها در برخی قالب‌های بصری و متنی بیشترین هم‌سویی را با نظریهٔ تصمیم عقلانی نشان دادند.

۱ دقیقه مطالعه
Figure 2: Left: The distribution of error per model. Right: The distribution of error per visualization type. Most charts were, on average, underestimated. Icon arrays were the only charts to be overestimated on average.
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

پژوهشی منتشرشده در arXiv بررسی می‌کند مدل‌های بینایی‌ـ‌زبان (VLM) چگونه اطلاعات بصریِ همراه با عدم‌قطعیت را درک می‌کنند و بر پایهٔ آن تصمیم می‌گیرند. پژوهشگران دو مطالعهٔ مکمل انجام دادند: یکی دربارهٔ تشخیص و سنجش عدم‌قطعیت در نمودارها و دیگری دربارهٔ تصمیم‌گیری عامل‌های خودمختار بر اساس تصاویر.

نتایج نشان داد GPT-4o در میان مدل‌های آزموده‌شده، در تشخیص عدم‌قطعیت در نمودارهای دایره‌ای و میله‌ای دقیق‌ترین بود. در تصمیم‌گیری نیز عامل‌ها زمانی بیشترین هم‌سویی را با نظریهٔ تصمیم عقلانی داشتند که عدم‌قطعیت با نمودار دایره‌ای، آرایهٔ آیکون‌ها یا متن نمایش داده می‌شد.

این مقاله در کارگاهی دربارهٔ هوش مصنوعی مولد و عامل‌ها، هم‌زمان با کنفرانس IEEE VIS در سال ۲۰۲۶ ارائه شده است.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست