در سال‌های اخیر، مدل‌های زبان بزرگ (LLM) مانند سری مدل‌های GPT، انقلابی در حوزه پردازش زبان طبیعی و هوش مصنوعی ایجاد کرده‌اند. این مدل‌ها توانایی شگفت‌انگیزی در تولید متن، ترجمه، خلاصه‌سازی و پاسخ به سوالات پیچیده از خود نشان داده‌اند. اما جهان ما تنها از کلمات تشکیل نشده است؛ بلکه یک فضای فیزیکی و جغرافیایی است که در آن زندگی می‌کنیم. اینجاست که یک سوال اساسی مطرح می‌شود: آیا این مدل‌های زبانی که بر اساس داده‌های متنی آموزش دیده‌اند، درکی از مفاهیم مکانی و جغرافیایی دارند؟ مقاله‌ی علمی «آیا مدل‌های زبان بزرگ از دانش مکانی-فضایی برخوردارند؟» به طور دقیق به این پرسش می‌پردازد و یکی از اولین تلاش‌های جامع برای سنجش نظام‌مند این قابلیت در LLMها به شمار می‌رود.

اهمیت این تحقیق از آنجا ناشی می‌شود که بسیاری از تصمیم‌گیری‌های روزمره و تخصصی ما به اطلاعات مکانی وابسته است. از مسیریابی در یک شهر ناآشنا گرفته تا برنامه‌ریزی شهری، مدیریت بحران‌های طبیعی، لجستیک و زنجیره تامین، همگی نیازمند درک دقیقی از روابط فضایی هستند. اگر قرار است مدل‌های هوش مصنوعی به دستیاران واقعی انسان تبدیل شوند، باید بتوانند زبان ما را نه تنها در سطح معنایی، بلکه در بستر مکانی نیز درک کنند. به عنوان مثال، یک دستیار هوشمند باید تفاوت بین «یک کافه نزدیک پارک» و «یک کافه درون پارک» را بفهمد.

این مقاله با ارائه یک چارچوب آزمایشی دقیق، تلاش می‌کند تا از حدس و گمان فراتر رفته و به صورت کمی و کیفی، توانایی‌های مکانی-فضایی مدل‌های زبان بزرگ را ارزیابی کند. این پژوهش شکافی مهم در مطالعات هوش مصنوعی را پر کرده و به ما کمک می‌کند تا پتانسیل‌ها و محدودیت‌های این فناوری را در کاربردهای جغرافیایی بهتر بشناسیم.

این مقاله توسط پرابین بهانداری (Prabin Bhandari)، آنتونیوس آناستاسوپولوس (Antonios Anastasopoulos) و دیتر فوسر (Dieter Pfoser) به رشته تحریر درآمده است. تخصص این محققان در حوزه‌هایی چون علوم کامپیوتر، پردازش زبان طبیعی و علوم اطلاعات مکانی (Geoinformatics) قرار دارد. این ترکیب بین‌رشته‌ای، رویکردی منحصربه‌فرد را برای بررسی یک مسئله پیچیده فراهم آورده است: پیوند میان دنیای انتزاعی زبان و دنیای فیزیکی جغرافیا. این پژوهش در مرز مشترک هوش مصنوعی و سیستم‌های اطلاعات جغرافیایی (GIS) قرار می‌گیرد و به دنبال پاسخ به این پرسش است که چگونه می‌توان دانش ضمنی مکانی موجود در میلیاردها صفحه متن را استخراج و ارزیابی کرد.

مقاله استدلال می‌کند که علی‌رغم عملکرد خیره‌کننده LLMها در وظایف زبانی، دانش ما درباره درک آن‌ها از داده‌های جغرافیایی و توانایی‌شان برای کمک به تصمیم‌گیری‌های مکانی بسیار اندک است. محققان در این پژوهش، میزان دانش، آگاهی و توانایی استدلال مکانی-فضایی را که در این مدل‌ها «کدگذاری» شده است، بررسی می‌کنند. تمرکز اصلی بر روی مدل‌های زبان خودرگرسیو (Autoregressive) است که متن را کلمه به کلمه تولید می‌کنند (مانند مدل‌های خانواده GPT).

برای این منظور، سه رویکرد آزمایشی نوآورانه طراحی شده است:

• سنجش دانش مکانی: درخواست مستقیم مختصات جغرافیایی (طول و عرض) مکان‌های مختلف برای ارزیابی دانش واقعی مدل.
• سنجش آگاهی مکانی: استفاده از حروف اضافه مکانی (مانند «شمال»، «نزدیک»، «درون») و غیرمکانی برای سنجش درک روابط فضایی.
• سنجش استدلال مکانی: استفاده از تکنیک آماری مقیاس‌بندی چندبعدی (MDS) برای ارزیابی توانایی مدل در ساخت یک «نقشه ذهنی» از شهرها بر اساس اطلاعات فاصله‌ای.

نتیجه کلیدی مقاله این است که صرفاً بزرگ‌تر بودن یک مدل برای درک مفاهیم مکانی کافی نیست، بلکه پیچیدگی و معماری پیشرفته‌تر مدل‌ها نقش حیاتی در سنتز دانش مکانی از اطلاعات متنی ایفا می‌کند.

محققان برای ارزیابی جامع، مسئله را به سه سطح از توانایی تقسیم کرده و برای هر کدام یک آزمایش مشخص طراحی کردند:

۱. کاوش دانش مکانی از طریق مختصات جغرافیایی (Probing for Geo-coordinates)

این ساده‌ترین و مستقیم‌ترین آزمون است. در این مرحله، از مدل‌های زبان سوالاتی مانند «مختصات جغرافیایی شهر تهران چیست؟» پرسیده می‌شود. سپس، مختصات ارائه‌شده توسط مدل با مختصات واقعی مقایسه شده و خطای آن بر حسب کیلومتر (با استفاده از فرمول فاصله هاورسین) محاسبه می‌شود. این آزمایش نشان می‌دهد که مدل تا چه حد توانسته است حقایق جغرافیایی مشخص را از داده‌های آموزشی خود «حفظ» کند. عملکرد مدل‌ها برای شهرهای معروف در مقابل مکان‌های کمتر شناخته‌شده نیز مقایسه می‌شود.

۲. ارزیابی آگاهی مکانی با استفاده از حروف اضافه (Geospatial Awareness with Prepositions)

درک روابط فضایی پیچیده‌تر از حفظ کردن اعداد است. در این آزمایش، توانایی مدل در درک حروف اضافه مکانی سنجیده می‌شود. برای مثال، جملات ناقصی به مدل داده می‌شود تا آن‌ها را کامل کند. مانند:

• جمله مکانی: «شهر اصفهان در بخش مرکزی ایران واقع شده است.»
• جمله غیرمکانی: «جلسه بعد از ناهار برگزار می‌شود.»

با تحلیل دقت مدل در پیش‌بینی کلمات صحیح در جملات مکانی در مقایسه با جملات غیرمکانی، محققان می‌توانند «آگاهی» مدل از مفاهیمی چون جهت (شمال/جنوب)، نزدیکی (نزدیک/دور) و دربرگیری (داخل/خارج) را بسنجند.

۳. سنجش استدلال مکانی با مقیاس‌بندی چندبعدی (MDS for Geospatial Reasoning)

این پیچیده‌ترین و عمیق‌ترین بخش آزمایش است. در اینجا، هدف این است که ببینیم آیا مدل می‌تواند بر اساس مجموعه‌ای از روابط، یک نقشه منسجم فضایی را «استنتاج» کند یا خیر. تکنیک مقیاس‌بندی چندبعدی (MDS) روشی آماری است که می‌تواند از یک ماتریس از فواصل بین نقاط، یک نقشه بصری از آن نقاط ایجاد کند.

در این آزمایش، به مدل اطلاعاتی درباره فواصل یا زمان سفر بین چند شهر داده می‌شود (مثلاً: «فاصله پاریس تا لیون ۴۰۰ کیلومتر است. فاصله لیون تا مارسی ۳۰۰ کیلومتر است…»). سپس از مدل خواسته می‌شود تا موقعیت نسبی این شهرها را توصیف کند. محققان با تحلیل خروجی‌های مدل و استفاده از MDS، بررسی می‌کنند که آیا مدل توانسته است یک ساختار فضایی منطقی و شبیه به نقشه واقعی ایجاد کند یا خیر. این آزمون، توانایی استدلال واقعی مدل را به چالش می‌کشد، نه صرفاً حافظه آن را.

نتایج این سه آزمایش، تصویر چندلایه‌ای از توانایی‌های مکانی LLMها ارائه می‌دهد:

• دانش مبتنی بر حافظه: مدل‌های بزرگ در ارائه مختصات جغرافیایی شهرهای معروف جهان عملکرد نسبتاً خوبی دارند، اما با کاهش شهرت مکان، دقت آن‌ها به شدت افت می‌کند. این نشان می‌دهد که دانش آن‌ها بیشتر متکی بر تکرار اطلاعات در داده‌های آموزشی است تا یک درک ساختاریافته.
• آگاهی نسبی: در آزمون حروف اضافه، مدل‌ها توانایی درک روابط ساده مکانی (مانند «ایران در آسیاست») را نشان دادند، اما در تشخیص روابط پیچیده‌تر و ظریف‌تر با چالش مواجه بودند. عملکرد آن‌ها در این بخش، اگرچه امیدوارکننده بود، اما کامل نبود.
• استدلال ضعیف: چالش‌برانگیزترین آزمون، یعنی استدلال مکانی با MDS، نشان داد که اکثر مدل‌ها در ایجاد یک «نقشه ذهنی» منسجم از فواصل، ناتوان هستند. تنها پیشرفته‌ترین و بزرگ‌ترین مدل‌ها توانستند نقشه‌هایی تولید کنند که تا حدودی (هرچند با اعوجاج زیاد) به واقعیت شباهت داشت. این نشان می‌دهد که توانایی استدلال مکانی یک قابلیت نوظهور است که به سطح بالایی از پیچیدگی مدل نیاز دارد.

یافته اصلی این است که دانش مکانی LLMها یک دانش آماری است، نه هندسی. آن‌ها یاد می‌گیرند که کلمات «پاریس» و «برج ایفل» اغلب با هم می‌آیند، بنابراین نتیجه می‌گیرند که این دو به هم نزدیک هستند. این درک با درک یک انسان یا یک سیستم GIS که موقعیت‌ها را روی یک شبکه مختصات دو بعدی درک می‌کند، اساساً متفاوت است.

این پژوهش دستاوردهای مهمی برای آینده هوش مصنوعی و علوم مکانی دارد:

• ارائه یک معیار استاندارد: این مقاله یک روش‌شناسی مشخص برای سنجش توانایی‌های مکانی LLMها معرفی می‌کند که می‌تواند توسط سایر محققان برای ارزیابی مدل‌های جدیدتر به کار رود.
• شناسایی محدودیت‌ها: با نشان دادن نقاط ضعف فعلی، این تحقیق مسیر را برای پژوهش‌های آینده جهت بهبود این قابلیت‌ها هموار می‌کند. برای مثال، می‌توان مدل‌هایی را با ترکیبی از داده‌های متنی و داده‌های نقشه‌ای (مانند تصاویر ماهواره‌ای) آموزش داد.
• کاربردهای عملی: درک بهتر این توانایی‌ها به ما در توسعه ابزارهای هوشمندتر کمک می‌کند. مثلاً:
  • دستیارهای شخصی پیشرفته: که می‌توانند درخواست‌های پیچیده مکانی را درک کنند («برای من یک مسیر دوچرخه‌سواری پیدا کن که از کنار رودخانه بگذرد و شیب کمی داشته باشد»).
  • یکپارچه‌سازی با GIS: تحلیلگران می‌توانند با استفاده از زبان طبیعی، پرس‌وجوهای پیچیده مکانی را از پایگاه‌های داده جغرافیایی انجام دهند («تمام مناطقی را که در ۵ سال گذشته هم خشکسالی و هم سیل را تجربه کرده‌اند به من نشان بده»).
  • آموزش و تولید محتوا: ابزارهایی که می‌توانند به صورت خودکار توضیحات جغرافیایی، تاریخی یا توریستی برای مکان‌های مختلف تولید کنند.

همچنین، این تحقیق یک هشدار مهم نیز به همراه دارد: اعتماد کامل به اطلاعات مکانی تولیدشده توسط LLMها، به ویژه در کاربردهای حیاتی مانند مسیریابی اورژانسی یا ناوبری، هنوز زود است و می‌تواند خطرآفرین باشد.

مقاله «آیا مدل‌های زبان بزرگ از دانش مکانی-فضایی برخوردارند؟» گامی مهم و بنیادین در درک یکی از ابعاد کمتر شناخته‌شده‌ی هوش مصنوعی است. نتایج نشان می‌دهد که مدل‌های زبان بزرگ در حال توسعه یک توانایی ابتدایی اما رو به رشد برای پردازش اطلاعات مکانی هستند. این توانایی ذاتی نیست، بلکه محصول یادگیری الگوهای آماری از حجم عظیمی از داده‌های متنی است.

این پژوهش به وضوح نشان می‌دهد که اندازه به تنهایی کافی نیست و پیچیدگی معماری مدل نقش کلیدی در گذار از حفظ کردن حقایق به استدلال فضایی دارد. LLMهای امروزی هنوز «بومیان دنیای جغرافیا» نیستند و درک آن‌ها از فضا با درک انسان تفاوت‌های بنیادین دارد. با این حال، این تحقیق درهای جدیدی را به سوی آینده‌ای هیجان‌انگیز می‌گشاید؛ آینده‌ای که در آن هوش مصنوعی زبانی و هوش مکانی با یکدیگر ترکیب شده و ابزارهایی قدرتمندتر از همیشه را برای درک و تعامل با جهان پیرامونمان در اختیار ما قرار می‌دهند.