إلوريان تطلق نموذج Glimpse الذي يعيد النظر إلى الصورة أثناء التفكير لا بعده

أعلنت شركة الذكاء الاصطناعي الناشئة إلوريان، يوم الجمعة الموافق 16 أكتوبر، عن إطلاق أول نموذج لها يحمل اسم Glimpse، في معاينة بحثية متاحة عبر واجهة برمجة التطبيقات، على أن تبقى واجهة المحادثة المباشرة محدودة بقائمة انتظار حالياً. وبحسب ما نشره موقع TechCrunch، الذي حصل على تفاصيل الخبر قبل الإعلان الرسمي، تتخذ إلوريان من مقرها في بالو ألتو منصة لطرح رؤية مغايرة لكيفية تعامل نماذج الذكاء الاصطناعي متعددة الوسائط مع الصور ومقاطع الفيديو.

وتقوم فرضية الشركة الأساسية على أن معظم النماذج المتقدمة الحالية، وإن برزت في مهارات اللغة والبرمجة، لا تملك قدرة حقيقية على الرؤية بالمعنى الدقيق؛ فهي تعالج الصورة مرة واحدة فقط، وتحوّلها إلى رموز نصية، ثم تُجري استدلالها اعتماداً على تلك الرموز دون الرجوع إلى الصورة نفسها مجدداً. في المقابل، يعود نموذج Glimpse إلى مصدر الصورة أو الفيديو أثناء عملية الاستدلال البصري نفسها، فيمكنه أن يقترب من منطقة محددة في الصورة لفحصها، أو يستخرج لقطات معينة من مقطع فيديو، أو يُشغّل كوداً برمجياً لقياس عناصر بصرية أو مقارنتها. وتسمّي إلوريان هذه الآلية مساحة المسودة البصرية، في إشارة إلى ما يشبه تكبير صورة فوتوغرافية للتحقق من تفاصيلها الدقيقة.

ولا تُعد هذه المقاربة جديدة تماماً، فقد أضافت OpenAI في عام 2025 قدرة مشابهة على التقريب والتكبير أثناء الاستدلال إلى نماذجها من سلسلة o. لكن ما تزعمه إلوريان هو أنها صمّمت نموذجها بالكامل حول هذه القدرة منذ البداية، بدلاً من إضافتها كخاصية ثانوية لاحقاً. ويروي الرئيس التنفيذي للشركة، أندرو داي، الباحث السابق في مختبر Google DeepMind، أنه صوّر لعبة طاولة أنهاها للتو وسأل نموذجاً من النماذج الحدودية عن الفائز فيها، فعجز النموذج عن الإجابة، موضحاً أن ألعاب الطاولة تستخدم رموزاً وأيقونات بصرية خاصة بها يسهل على البشر فهمها بينما تصعب على النماذج تفسيرها، مستشهداً أيضاً بقدرة الناس على تجميع قطع الأثاث اعتماداً على رسوم بيانية بلا كلمات.

وتقول إلوريان إن فريقاً صغيراً فقط دَرَّب نموذج Glimpse باستخدام عدد محدود نسبياً من وحدات معالجة الرسوميات، وإن النموذج أصغر بكثير من النماذج الحدودية التي تُقارَن به. أما من ناحية التسعير، فتبلغ تكلفة استخدامه 0.60 دولار لكل مليون رمز مدخل، و3 دولارات لكل مليون رمز مخرج، وهو سعر أقل من النماذج متوسطة المستوى مثل Sonnet وSol، لكنه أعلى من النماذج الخفيفة مثل Haiku وLuna.

وبحسب تقييمات داخلية أجرتها الشركة نفسها، يتفوق Glimpse على نموذج GPT-6 Astra في مهام تحليل الرسوم البيانية العلمية وفي توصيف الفيديو القصير، فيما يحقق أداءً منافساً في مهام استدلال بصري أخرى. وتجدر الإشارة إلى أن هذه الأرقام نتائج ذاتية أعلنتها الشركة ولم تخضع لتحقق مستقل بعد.

تستهدف إلوريان في المرحلة الأولى شركات تمتلك مكتبات ضخمة من مقاطع الفيديو، كشركات الروبوتات والمختبرات العلمية ووسائل الإعلام والجهات الإبداعية. وتتجه خطتها بعيدة المدى إلى الانتقال من مجرد الرؤية إلى التصرف، أي بناء تمثيل داخلي للمشهد البصري واستخدامه لاتخاذ قرارات فعلية، بما يشمل التحكم المباشر في الروبوتات. وقال داي إن هدف الشركة للعام المقبل هو إنتاج ما وصفه بأفضل نموذج استدلال بصري في العالم، يتصدر كل اختبارات القياس البصرية المتاحة.

وفي العالم العربي، يتصاعد الاهتمام بنماذج الذكاء الاصطناعي متعددة الوسائط القادرة على فهم المحتوى المرئي؛ إذ تحتاج مؤسسات الإعلام والنشر العربية إلى أدوات تستطيع تحليل الأرشيفات البصرية الكثيفة، فيما تستعد شركات بث المحتوى الرقمي الكبرى في المنطقة لاعتماد أدوات الذكاء الاصطناعي البصري. وقد يُمثّل نموذج Glimpse فرصة للشركات والمؤسسات البحثية العربية التي تسعى إلى تطوير حلول خاصة بالمحتوى المرئي العربي، خاصة مع تزايد الاستثمارات الحكومية في الذكاء الاصطناعي في الإمارات والسعودية.

وتسبق هذا الإطلاق جولة تمويل تأسيسية بقيمة 55 مليون دولار بتقييم بلغ 300 مليون دولار، قادتها شركتا Striker Venture Partners وMenlo Ventures إلى جانب Altimeter Capital، بمشاركة من Nvidia وكبير علماء Google جيف دين، وذلك قبل أن تطرح الشركة أي منتج فعلي للسوق. ويرى مراقبون أن محاولة إلوريان جعل الاستدلال البصري ميزة تصميمية أساسية بدلاً من إضافة لاحقة قد تحمل دلالة مهمة للصناعات المعتمدة على تحليل الفيديو والصور، وللقطاع الناشئ للروبوتات، شريطة أن تصمد هذه المزاعم أمام التحقق المستقل بعد إطلاق المنتج للجمهور.