محققان در مقالهای جدید به سراغ سنجش قدرت استراتژیک مدلهای بینایی-زبانی (VLM) در محیط پیچیده فوتبال رفتهاند. با معرفی بنچمارک جدید «SportD» که شامل تصمیمات بازیهای جام جهانی ۲۰۲۲ است، مشخص شد که این مدلها در درک بصری خوب هستند اما در تصمیمگیریهای استراتژیک همچنان با بازیکنان حرفهای فاصله دارند.
نکته جالب اینجاست که این مدلها تمایل دارند گزینههای کمخطرتر را انتخاب کنند و حتی گاهی به جای تصمیم بهینه، رفتارهای بازیکنان واقعی را «تقلید» میکنند. هنوز راه زیادی تا حضور یک «مربی هوش مصنوعی» با تصمیمات هوشمندانه در زمین بازی باقی مانده است! 🤖🥅
منبع: arXiv Computer Vision