تقييم نماذج اللغة الكبيرة متعددة الوسائط التجارية والمفتوحة المصدر لعلم الفلك الحركي: دراسة معيارية لتصنيف السلوك الرنيني

لماذا يهم هذا لراصدي النجوم وعشاق البيانات

يقضي الفلكيون قدراً مدهشاً من الوقت في عمل يبدو في أرضيته روتينياً: التحديق في رسوم بيانية وتقرير أيها «يتأرجح»، وأيها «ينجرف»، وأيها يتصرف بفوضى. تكشف هذه الأنماط ما إذا كانت الكويكبات محبوسة في رقصات مدارية دقيقة مع الكواكب، وهو ما يشكل تطور نظامنا الشمسي على مدى مليارات السنين. تطرح هذه الورقة سؤالاً في وقت مناسب: هل يمكن لأنظمة الذكاء الاصطناعي الحديثة التي تفهم النص والصورة أن تتدخل وتصدر مثل هذه الأحكام بدرجة موثوقية مماثلة لخبراء البشر—دون تدريب خاص؟

قواعد المرور الخفية لنظامنا الشمسي

لا تدور العديد من الكويكبات ببساطة حول الشمس بمعزل. تسحبها مدّات الجاذبية الدورية للكواكب، وهي حالة تُعرف بالرنين المداري. عندما تتطابق حركة كويكب ما مع حركة كوكب في إيقاع بسيط، يمكن أن تنحبس مداره أو يُثار أو يصبح غير مستقر. يشخص الفلكيون ذلك برسم كمية تسمى «الزاوية الرنينية» مع الزمن. إذا تذبذبت النقاط ضمن نطاق، يكون الجسم في رنين؛ إذا انلفّت قطرياً عبر النطاق الرأسي كله، فهو خارج الرنين؛ وإذا تبدلت ذهاباً وإياباً، فالسلوك أكثر غموضاً أو مؤقت. في الحالات الواضحة، تعمل قواعد حاسوبية بسيطة جيداً—لكن في المناطق المزدحمة من الفضاء، مثل حزام الكويكبات الرئيسي، تخلق التأثيرات المتداخلة رسوماً فوضوية ومليئة بالضجيج يصعب تصنيفها تلقائياً وكانت تتطلب تقليدياً نظر الخبراء.

من الخوارزميات المخصصة إلى الذكاء العام متعدد الأغراض

حتى وقت قريب، اعتمد الباحثون على استراتيجيتين عريضتين. يمكن تدريب نماذج التعلم الآلي الكلاسيكية، مثل أشجار القرار والشبكات العصبية، للتعرف على أنواع محددة من الرنين، لكن كل مشكلة جديدة تحتاج إلى مجموعة بيانات معنونة وضبط وبرمجة خاصة بها. أما الطرق الحتمية، المبنية على قواعد مصممة بعناية وتحليل الترددات، فتنجح عندما يكون الإشارة نظيفة، لكنها تعاني عندما تتداخل الرنينات أو تظهر مؤقتاً. وتنهار كلتا المقاربتين حيث تكون المسألة الأكثر إثارة علمياً: في الحالات الحدية مع الالتقاطات المؤقتة، وتعلق الرنين، والحركات الفوضوية. بالمقابل، تعد نماذج اللغة الكبيرة الحديثة القادرة على فحص الصور بشيء مختلف: الاستدلال بدون تدريب (zero-shot). بدلاً من تدريبها على آلاف الأمثلة المتخصصة، تُعطى تعليمات بلغة طبيعية ورسم بياني ويُطلب منها أن تقرر أي فئة تصف السلوك أفضل.

بناء اختبار عادل لعيون الذكاء الاصطناعي

لاستكشاف مدى أداء هذه النماذج فعلاً، أنشأ المؤلفون مجموعة معيارية من مجموعات الصور التي تُظهر الزوايا الرنينية لكل من الرنين الحركي المتوسط والرنين الطولي—وهي فئتان أساسيتان من التفاعلات المدارية. كل صورة هي مخطط نقاط للزاوية مقابل الزمن مأخوذ من محاكاة عددية طويلة، وكل واحدة وُسمت بعناية من قبل خبراء على أنها رنينية أو غير رنينية أو عابرة أو، في الحالات الحدية القصوى، مثيرة للجدل. جمعت أربع مجموعات بيانات: مجموعة صغيرة للاختبار السليم (RB-TEST)، ومجموعة تجريبية مكونة من 50 صورة مشابهة للأعمال السابقة (RB-PILOT)، ومجموعة مكونة من 50 صورة مملوءة بالحالات المبهمة (RB-SMALL)، ومجموعة كبيرة مكونة من 450 صورة تغطي جميع السلوكيات (RB-FULL). ثم قدم المؤلفون هذه الصور لباقة واسعة من النماذج: أنظمة تجارية رفيعة المستوى، ونماذج مفتوحة المصدر كبيرة، ونماذج مفتوحة صغيرة يمكن تشغيلها على حاسوب شخصي. نالت النماذج الكبيرة مطالبات تفصيلية خطوة بخطوة؛ بينما استخدمت النماذج الأصغر مجموعة أبسط وأخف من القواعد.

مدى نجاح الآلات في أداء عمل الفلكيين

في الاختبارات الأسهل، صنفت العديد من النماذج—التجارية والمفتوحة المصدر على حد سواء—كل صورة بشكل صحيح. في المجموعة المتوسطة RB-PILOT، حافظت الأنظمة التجارية الرائدة على درجات شبه مثالية، بينما اقتربت أفضل النماذج المفتوحة المصدر كثيراً. التحدي الحقيقي كان في RB-SMALL، حيث تعرض العديد من المخططات مزيجاً من السلوكيات التي حتى الخبراء يناقشونها. هنا، وصلت أفضل نموذج تجاري إلى حوالي 94 في المئة في مقياس مجمع للدقة والاستدعاء، بينما وصل أفضل نموذج مفتوح المصدر إلى نحو 76 في المئة. أكدت مجموعة RB-FULL الأكبر هذا النمط: حققت النماذج التجارية وأنظمة مفتوحة المصدر المتقدمة دقة عالية عندما اختزلت المهمة إلى قرار أبسط بنعم أو لا حول الرنين، مع تركيز معظم الأخطاء في أنظمة العبور والتعلق المؤقت الصعبة. من الجدير بالذكر أن بعض النماذج الأصغر القابلة للتشغيل محلياً قدمت أداءً عملياً مفيداً، خاصة لتصنيف ثنائي بسيط.

ماذا يعني هذا لمسوح السماء المستقبلية

لغير المتخصص، الخلاصة أن أنظمة الذكاء الاصطناعي العامة الآن قادرة على النظر إلى نفس المخططات المدارية الصاخبة التي كانت تتطلب حكماً بشرياً خبيراً والوصول إلى استنتاجات تتقارع في كثير من الحالات أو تضاهي الأدوات التقليدية—دون تدريب مباشر على تلك المهمة. هي ليست مثالية، خصوصاً عندما يغازل الكويكب الرنين بدلاً من الالتزام به، لكنها قادرة بالفعل على تحمل جزء كبير من الفحص البصري الممل اللازم للمسوحات الكبيرة. يوفر المعيار المنشور في هذه الدراسة طريقة قياسية قابلة لإعادة الاستخدام ليمتحن الفلكيون النماذج الجديدة ويختاروا المقايضة المناسبة بين التكلفة والانفتاح والدقة. ومع استمرار تحسن الذكاء الاصطناعي متعدد الوسائط، من المرجح أن يصبح شريكاً روتينياً في رسم الخريطة الدقيقة للرقص الجذبي المعقد في نظامنا الشمسي.

الاستشهاد: Smirnov, E., Carruba, V. Evaluating multimodal commercial and open-source large language models for dynamical astronomy: a benchmark study of resonant behavior classification. Sci Rep 16, 10785 (2026). https://doi.org/10.1038/s41598-026-45926-y

الكلمات المفتاحية: الرنين المداري, الذكاء الاصطناعي متعدد الوسائط, ديناميكيات الكويكبات, تصنيف السلاسل الزمنية, نماذج اللغة المفتوحة المصدر