Google وArtificial Analysis تطلقان معيار MKA

G

فريق تحرير بوابة الذكاء الاصطناعي

هيئة التحرير والتحليل التقني

Share:

معايير الذكاء الاصطناعي · الوكلاء متعددو الوسائط

Google وArtificial Analysis تطلقان معيار MKA

يختبر معيار Multimodal Knowledge Agent قدرة وكلاء الذكاء الاصطناعي على التعامل مع ملفات معقدة بصريًا ضمن مهام واقعية ومتعددة الخطوات في مجال العمل المعرفي، باستخدام إعداد تقييم موحّد ومعيار يضع الدقة الواقعية في مقدمة الأولويات.

أبرز النقاط

  • قدّمت Google DeepMind وArtificial Analysis معيار Multimodal Knowledge Agent، أو MKA اختصارًا، في ١٠ نوفمبر ٢٠٢٦.
  • صُمم MKA لتقييم كيفية استدلال الوكلاء عبر ملفات معقدة بصريًا أثناء إنجاز مهام واقعية في مجال العمل المعرفي.
  • تمثل كل مهمة مشروعًا متعدد الخطوات يُقدّر أن يستغرق من ثلاث إلى ثماني ساعات من محترف متمرس، وتجمع بين Prompt واقعي وحزمة من ملفات الإدخال متعددة الوسائط.
  • يتضمن معيار التقييم الذي أعده خبراء نحو ٧٠ اختبارًا بنعم أو لا. ويمنح التقييم وزنًا قدره ٧٥٪ للدقة الواقعية و٢٥٪ للتصميم البصري.
  • تُقيّم النماذج عبر بيئة الوكلاء مفتوحة المصدر نفسها، Stirrup، وبالأدوات وSandbox وحدّ التفاعلات نفسه. ويمكن استكشاف المعيار على Artificial Analysis.

ما الذي أعلنته Google؟

في ١٠ نوفمبر ٢٠٢٦، أعلنت Google معيار Multimodal Knowledge Agent بالشراكة مع Artificial Analysis. ويهدف MKA إلى تقييم الوكلاء في أعمال تتطلب الاستدلال عبر ملفات معقدة بصريًا، بدلًا من الاعتماد فقط على أسئلة نصية ذات إجابات معروفة. وتتمثل الفكرة الأساسية في تقييم الذكاء الاصطناعي من خلال مهام أقرب إلى العمل المعرفي الاحترافي: Prompts مرفقة بمدخلات متعددة الوسائط، مع مشروع كبير ينبغي إنجازه.

يعالج الإعلان فجوة في مجال التقييم. إذ يمكن الإجابة عن العديد من اختبارات نماذج اللغة المألوفة بالاعتماد على النص وحده. لكن العمل الاحترافي يعتمد غالبًا على معلومات موزعة بين المستندات والمواد المرئية. وتطرح Google أمثلة مثل مطابقة المخططات المعمارية، وتتبع الرسومات الهندسية، وتجميع النتائج في عروض تقديمية وتقارير وجداول بيانات متقنة. وفي هذه الحالات، قد يحتاج الوكيل إلى استخدام عدة ملفات معًا، لا إلى تقديم رد مقنع على Prompt قصير فحسب.

MKA معيار تقييم، وليس إعلانًا عن إطلاق نموذج جديد. ويقدم منشور Google إطارًا للتقييم، ويوضح أن بإمكان المستخدمين استكشاف المعيار وتقييم نماذجهم الخاصة على Artificial Analysis. كما يتضمن ادعاءً متعلقًا بنموذج محدد، إذ تقول Google إن Gemini 4 Carbon يقدم «جودة رائدة بجزء بسيط من تكلفة النماذج المماثلة». ولا تتضمن المعلومات المتاحة هنا أسعارًا محددة أو تفاصيل مقارنة كافية لقياس هذا الادعاء بصورة مستقلة، لذا ينبغي فهمه باعتباره طرحًا تسويقيًا من Google، لا مقارنة رقمية للتكلفة.

كيف صُممت مهام MKA؟

تطبيق عملي فوري PostgreSQL • BYOK

مستعد لتطبيق أحدث ابتكارات الذكاء الاصطناعي في عمليات شركتك؟

حوّل ابتكارات الذكاء الاصطناعي إلى تدفقات عمل داخلية، أنظمة تتبع مخزون، وبوابات عملاء مخصصة دون تكاليف هندسية ضخمة.

ابنِ أول تطبيق لشركتك مجاناً ← ⚡ تشغيل فوري في 60 ثانية

يمثل هيكل المهام إحدى أكثر تفاصيل الإعلان فائدة. فكل مهمة من مهام MKA تحاكي مشروعًا متعدد الخطوات يُقدّر أن يستغرق من ثلاث إلى ثماني ساعات من محترف متمرس. وتجمع المهمة بين Prompt واقعي وحزمة من ملفات الإدخال متعددة الوسائط، ثم تُقيّم وفق معيار أعده خبراء ويتضمن نحو ٧٠ اختبارًا بنعم أو لا.

يمنح المعيار ٧٥٪ من وزنه للدقة الواقعية و٢٥٪ للتصميم البصري. وتشير هذه القسمة إلى أن الإجابة لا تُقيّم بناءً على مظهرها المتقن وحده. فالصحة الواقعية هي المكوّن الأكبر، في حين تظل جودة التصميم جزءًا من التقييم أيضًا. وفي أعمال مثل إعداد تقرير أو جدول بيانات أو عرض تقديمي انطلاقًا من مواد مرئية، قد يكون كلا البعدين مهمًا: فالمخرَج المنظم بصريًا لا يكون مفيدًا إلا إذا كانت ادعاءاته دقيقة، كما قد يصعب استخدام المعلومات الصحيحة إذا عُرضت بطريقة سيئة.

يصف تقدير المدة طبيعة العمل الاحترافي الذي تمثله كل مهمة، ولا ينبغي الخلط بينه وبين ادعاء حول المدة التي يستغرقها تشغيل نموذج ذكاء اصطناعي أو مدة جلسة التقييم. وبالمثل، تشير عبارة «نحو ٧٠» إلى العدد التقريبي لاختبارات نعم أو لا في المعيار، وليس إلى العدد الإجمالي لمهام MKA. ولا تحدد تفاصيل الإعلان المتاحة هنا العدد الإجمالي للمهام.

ينقل هذا التصميم التقييم نحو مخرجات العمل المكتملة والمشروعات متعددة الخطوات. فهو لا يكتفي بالسؤال عما إذا كان النظام قادرًا على التعرف إلى صورة أو الإجابة عن سؤال حول صفحة واحدة. بل يجب على الوكيل معالجة Prompt في ظل وجود حزمة من المدخلات، ثم تُقيّم النتيجة وفق مجموعة كبيرة نسبيًا من المعايير. وهذا يجعل المعيار مناسبًا للمطورين الذين يبنون وكلاء للعمل الغني بالمحتوى البصري، مع ترك أمثلة المهام المحددة وتفاصيل تطبيق التقييم لمواد المعيار نفسها.

لماذا يهم إعداد Stirrup المشترك؟

تقول Google إن كل نموذج يعمل ضمن بيئة الوكلاء مفتوحة المصدر نفسها، Stirrup، وبالأدوات وSandbox وحدّ التفاعلات نفسه. ويمثل ذلك جزءًا عمليًا من تصميم التقييم، إذ توضع النماذج في بيئة اختبار مشتركة بدلًا من وصفها من خلال قدراتها المستقلة فقط. ويمكن أن تساعد البيئة المشتركة وقيود التقييم الموحدة القراء على تفسير المقارنات، عبر توضيح أن هذه الجوانب من الإعداد ثابتة بين النماذج التي خضعت للتقييم.

لكن ذلك لا يجيب بحد ذاته عن كل الأسئلة التي قد يطرحها المقيّم التقني. فالتفاصيل الواردة في الإعلان هنا لا تقدم وصفًا كاملًا لكل أداة، أو الحد الدقيق للتفاعلات، أو جميع مواد المهام، أو آلية اتخاذ كل قرار من قرارات التقييم. وينبغي للقراء الرجوع إلى المعيار على Artificial Analysis للاطلاع على معلومات التطبيق والتقييم المتاحة، وتجنب استنتاج تفاصيل إعداد غير محددة لمجرد أن بيئة الوكلاء مشتركة.

وتكتسب بيئة الوكلاء أهمية للمطورين لأن نتيجة الوكيل تعكس أكثر من النموذج الأساسي بمعزل عن غيره. إذ يُقيّم الوكيل باعتباره نظامًا يعمل ضمن الإعداد المُعلن. وتوفر الأدوات وSandbox وحدّ التفاعلات المشتركة جزءًا من السياق اللازم عند قراءة النتائج، بينما توفر تفاصيل المهام والتقييم المنشورة بقية السياق. وينبغي تفسير النتائج ضمن هذه الشروط، لا اعتبارها توقعًا شاملًا للأداء في كل بيئة تشغيل.

ماذا تخبرنا أوزان التقييم؟

يجعل توزيع الوزن بنسبة ٧٥٪ للدقة الواقعية و٢٥٪ للتصميم البصري أولويات MKA واضحة على نحو غير معتاد في الإعلان. فالدقة هي المعيار المهيمن، بينما يساهم التصميم البصري بحصة مهمة لكنها أصغر. ويمثل هذا تمييزًا عمليًا في العمل المعرفي. فقد يكون العرض التقديمي أو التقرير جذابًا لكنه مضلل، وفي المقابل قد لا تفي مجموعة من الحقائق الصحيحة باحتياجات الشخص الذي يتعين عليه استخدام المخرَج. ويعترف الوزن المُعلن لـMKA بكلا الجانبين، مع تركيز أكبر بكثير على صحة المحتوى.

وتمنح الاختبارات التي يبلغ عددها نحو ٧٠ اختبارًا بنعم أو لا معيار التقييم هيكلًا أكثر تفصيلًا من حكم عام واحد. فهي توفر معايير متعددة يمكن من خلالها تقييم نتيجة المهمة. لكن المعلومات المصدرية لا توضح المعايير الدقيقة، أو كيفية إسناد كل اختبار، أو طريقة تجميع الأداء الجزئي، أو ما إذا كانت النتائج تتضمن تفصيلًا على مستوى الفئات. وتهم هذه التفاصيل عند تشخيص أسباب نجاح الوكيل أو إخفاقه، ولا ينبغي افتراضها من دون الرجوع إلى وثائق المعيار.

ولذلك، ينبغي للمستخدمين الذين يقارنون النتائج قراءة الدرجة إلى جانب تعريفات المهام ومعلومات التقييم المتاحة على المعيار. فالنتيجة الإجمالية الواحدة لا توضح بالضرورة ما إذا كان ضعف النظام يكمن في استخراج تفصيل بصري، أو ربط الأدلة عبر الملفات، أو الوصول إلى استنتاج صحيح، أو تلبية توقعات العرض. ويمثل الوزن المنشور نقطة بداية قيّمة، لكن التفسير الأكثر دقة يعتمد على ما يتيحه MKA من معلومات حول المهام والنتائج الفردية.

لماذا يمثل العمل المعرفي المعقد بصريًا اختبارًا مفيدًا؟

لا تقتصر المعلومات البصرية على الصور الفوتوغرافية. ففي مسارات العمل الاحترافية، قد يعتمد المعنى على التخطيط، أو العلاقة بين العناصر، أو التفاصيل الموزعة عبر عدة ملفات. وقد يحمل المخطط أو الرسم الهندسي أو الرسم البياني أو الشريحة أو جدول البيانات أو التقرير معلومات يصعب التقاطها من خلال قراءة نصوص منفصلة فقط. وتؤكد أمثلة إعلان Google هذا النطاق الأوسع؛ فتتبع رسم هندسي أو مطابقة مخطط يتطلب إنشاء روابط بين مواد مرئية، بينما يتطلب إنتاج عرض تقديمي أو تقرير أو جدول بيانات تجميع المعلومات في مخرَج قابل للاستخدام.

ولهذا يركز MKA على نطاق أكثر تحديدًا من الادعاء العام بأن نموذج ذكاء اصطناعي يقبل الصور. فإدخال الصور وحده لا يثبت أن الوكيل قادر على إنجاز مشروع باستخدام أنواع متعددة من الأدلة. ويمكن لمعيار يركز على المهام المعقدة بصريًا أن يساعد في اختبار ما إذا كانت الأنظمة مفيدة للعمل الذي تتداخل فيه المستندات والبنية البصرية. ويمثل تنسيق MKA القائم على المشروعات ومعيار التقييم الموزون العنصرين المعلنين اللذين يدعمان هذا التصور.

ومع ذلك، من المهم التمييز بين أداء المعيار والجاهزية للإنتاج. إذ يمكن لنتائج MKA تقديم أدلة حول الأداء في مهام المعيار وضمن إعداد التقييم المشترك المُعلن. لكنها لا تثبت بمفردها كيفية أداء الوكيل على ملفات كل مؤسسة أو مسارات عملها أو أدواتها أو قيودها التشغيلية. وينبغي للمؤسسات استخدام نتائج المعيار باعتبارها مصدرًا واحدًا للأدلة، ثم اختبار الأنظمة ذات الصلة على أعمال ممثلة قبل الاعتماد عليها في عمليات مؤثرة.

ماذا يمكن أن يعني MKA لمؤسسات دول الخليج والشرق الأوسط؟

تتعامل المؤسسات في دول الخليج والشرق الأوسط عمومًا أيضًا مع معلومات مرئية وكثيفة المستندات، بما في ذلك أنواع المخططات والرسومات الهندسية والتقارير وجداول البيانات والعروض التقديمية التي يسلط إعلان Google الضوء عليها. وبالنسبة إلى الفرق الإقليمية التي تقيّم وكلاء الذكاء الاصطناعي، يوفر MKA طريقة مفيدة لمتابعة التقدم في المهام التي تتجاوز الإجابة عن الأسئلة النصية. لكنه لا يثبت أن أي وكيل بعينه يفي بمتطلبات مؤسسة إقليمية محددة، بل يطرح أسئلة تقييم جديرة بالتطبيق محليًا.

يمكن للفرق البدء بتحديد مهام ممثلة من أعمالها الخاصة؛ مثلًا، مسار عمل يتطلب من موظف الرجوع إلى عدة ملفات معتمدة وإنتاج مخرَج منظم. ويمكنها تحديد معنى الصحة الواقعية في تلك المهمة، ونوعية الجودة البصرية التي تجعل المخرَج قابلًا للاستخدام. وقد تساعد مقارنة هذه المتطلبات الداخلية بتركيز MKA المنشور على المشروعات متعددة الخطوات والدقة الواقعية والتصميم، الفرق على بناء خطة تقييم أكثر انضباطًا.

ولا ينبغي للمؤسسات افتراض أن معيارًا خارجيًا يغطي احتياجاتها اللغوية أو تنسيقات مستنداتها أو سياساتها الداخلية أو متطلبات النشر لديها، ما لم يُوثق هذا التغطية صراحةً. كما لا ينبغي أن تحل مقارنة عناوين الأخبار محل الاختبار باستخدام مواد ذات صلة وإشراف مناسب. وبالنسبة إلى فرق المشتريات والهندسة، تكمن القيمة العملية لـMKA في كونه نقطة مرجعية لتقييم الوكلاء، لا شهادة اعتماد أو ضمانًا شاملًا.

كيف ينبغي للمطورين والمشترين قراءة نتائج MKA؟

ينبغي للمطورين أولًا مراجعة ما تقوله مواد المعيار المتاحة عن المهام والتقييم، ثم مقارنة النتائج فقط ضمن شروط الاختبار المحددة. وتوفر بيئة Stirrup مفتوحة المصدر والأدوات وSandbox وحدّ التفاعلات نفسها أساسًا مشتركًا، لكن الحقائق المعلنة لا تبرر افتراض تفاصيل لم تُذكر. وينبغي للمقارنة الدقيقة إبقاء نطاق المعيار واضحًا، وتجنب تحويل نتيجة مهمة واحدة إلى ادعاء واسع حول كل أنواع أعمال الوكلاء.

يمكن للمشترين استخدام MKA كإشارة واحدة عند إعداد قائمة مختصرة للأنظمة المخصصة للعمل المعرفي المعقد بصريًا. وعليهم أيضًا إجراء تقييماتهم الخاصة على مهام تعكس المستندات والمخرجات الفعلية التي يتعامل معها الموظفون. ويمكن لهذه العملية الداخلية تقييم ما إذا كان الوكيل ينتج نتائج دقيقة على مواد المؤسسة، وما إذا كان المخرَج مفيدًا لمسار العمل المقصود. أما مقدار المراجعة البشرية المطلوبة وعواقب الخطأ، فهما قراران ينبغي لكل مؤسسة النظر فيهما وفق حالة الاستخدام الخاصة بها؛ إذ لا يحدد الإعلان سياسة للنشر.

وبالنسبة إلى الباحثين، يجعل طول المهام وحجم معيار التقييم وأوزان الدرجات وبيئة الوكلاء المشتركة تصميم المعيار المُعلن أكثر تحديدًا من مجرد إعلان نوايا. وتتمثل الأسئلة التالية في تفاصيل يكشفها المعيار نفسه: ما المهام المتاحة؟ وكيف تُعرض النتائج؟ وما الأدلة التي تدعم المقارنات؟ وهذه الأسئلة سبب لفحص التقييم، وليست مبررًا لاختلاق المواصفات الناقصة.

ما الذي ينبغي متابعته لاحقًا؟

تتمثل الخطوة التالية المباشرة في استكشاف MKA على Artificial Analysis، كما تدعو Google القراء إلى فعل ذلك، ومراجعة المعلومات المتاحة هناك قبل استخلاص النتائج. ويمكن للمطورين فحص عرض تقييم النماذج الذي يقدمه المعيار، بينما يستطيع الباحثون وفرق المؤسسات تحديد مدى ارتباط المهام المعلنة باحتياجاتهم. وتحظى بيئة Stirrup المشتركة وتركيز معيار التقييم على الدقة والتصميم البصري بأهمية خاصة عند تحديد كيفية تفسير المقارنات.

وسيكون من المهم أيضًا الفصل بين تفاصيل التقييم التي يوردها المعيار والبيان المصاحب من Google حول Gemini 4 Carbon. فادعاء أن Gemini 4 Carbon يقدم جودة رائدة بجزء بسيط من تكلفة النماذج المماثلة وارد في الإعلان، لكن السياق المتاح هنا لا يتضمن أرقامًا للأسعار أو نتائج مفصلة تثبت مقارنة رقمية. وعلى القراء الذين يبحثون عن إرشادات للشراء انتظار هذه التفاصيل، بدلًا من الاستنتاج من العبارة وحدها.

تحليل بوابة الذكاء الاصطناعي

يعالج MKA تحديًا مهمًا في التقييم: إذ يتطلب العمل المعرفي الاحترافي غالبًا من الوكيل التعامل مع الأدلة المرئية والنصية ضمن مشروع متعدد الخطوات. ويتميز تصميمه المُعلن بقدر ملموس من الوضوح في عدة جوانب مهمة. فالمهام تمثل عملًا يُقدّر أن يستغرق من ثلاث إلى ثماني ساعات من محترف متمرس، وتجمع بين Prompt وملفات متعددة الوسائط، وتستخدم معيارًا يضم نحو ٧٠ اختبارًا مع ترجيح الدقة الواقعية. كما تعمل النماذج ضمن بيئة Stirrup مشتركة وبالأدوات وSandbox وحدّ التفاعلات نفسه.

تجعل هذه التفاصيل MKA أكثر إفادة من إعلان يكتفي بالقول إن معيارًا جديدًا موجود. كما ترسم حدودًا منطقية للادعاءات المتعلقة به. فالغرض والمنهجية المعلنان للمعيار واضحان بما يكفي لفهم أسباب أهميته المحتملة، لكن ينبغي قراءة نتائجه وأي مقارنات بين النماذج ضمن سياق المهام المنشورة وشروط التقييم. وبالنسبة إلى المطورين والباحثين والمؤسسات في الشرق الأوسط وغيره، يتمثل التصرف المفيد في فحص المعيار على Artificial Analysis، ودمج المقارنات الخارجية مع تقييمات ذات صلة ومحددة بالمهام.

نسبة التحرير: فريقا تحرير وهندسة بوابة الذكاء الاصطناعي. GateOfAI, LLC شركة مسجلة في ولاية ديلاوير بالولايات المتحدة الأمريكية.

Share:
🚀 جاهز لنقل أعمالك إلى بيئة ذكاء اصطناعي إنتاجية؟

اختر مسار التنفيذ الأنسب لحجم شركتك

سواء كنت رائد أعمال تبحث عن تشغيل فوري بنظام الخدمة الذاتية، أو مؤسسة كبرى تحتاج إلى بنية تحتية خاصة ومعزولة.

⚡ خدمة ذاتية • للأفراد والشركات الصغيرة 14 يوماً مجاناً

تشغيل استوديو Micro-ERP

صف سير العمل بصوتك أو نصك، واحصل على تطبيق سحابي كامل مدعوم بقاعدة بيانات PostgreSQL وعرض تحليلي فوري في أقل من 60 ثانية.

ابدأ تجربتك المجانية لمدة 14 يوماً ←
🛡️ مؤسسي • سيادة البيانات Docker / VPC / On-Prem

بنية تحتية مخصصة أو استضافة Docker ذاتية؟

استشارات معمارية، نماذج إثبات مفهوم (Sandbox POCs)، وتطوير أنظمة خاصة تحت إدارة مهندسي GateOfAI مع حماية الضمان المالي الكامل (Escrow).

استكشف حلول المؤسسات الكبرى ←
🛡️ سوق حلول الإنتاج المؤسسية (0% عمولة رموز BYOK)

أنظمة وأكواد جاهزة للتشغيل مرتبطة بهذا الموضوع

تصفح سوق الحلول بالكامل →
أدوات المطورين • BYOK 🛡️ من $14/شهرياً

معماري أوامر المطورين والوكلاء (BYOK)

بيئة هندسية لبناء أوامر النظام (System Prompts)، قوالب LangGraph و CrewAI، مع دعم مفاتيح BYOK الخاصة بك.

Custom Chatbots • BYOK $1,187

SkillForge AI – AI-Powered Learning Management System

An AI-powered learning platform for discovering courses, generating learning content, managing students and instructors, and delivering a complete…

Other • BYOK $499

AI SaaS Website Analyzer Tool

Instantly analyze any website URL and get detailed AI-powered insights, website quality assessments, SEO analysis, and actionable recommendations.

مرشد بوابة الذكاء الاصطناعي
نشط للخدمة
مرحباً بك في بوابة الذكاء الاصطناعي! أنا مرشدك هنا لمساعدتك في فهم خدمات المنصة، باقات التشغيل وخطط الضمان المالي. كيف يمكنني إرشادك اليوم؟