چکیده
در حوزههای حرفهای علوم زندگی، دانشمندان معمولاً از تفسیر آثار بصری مانند ژلهای بلوتها، تصاویر میکروسکوپی، نقشههای پلازمید، نمودارهای سیتومتری جریان، ساختارهای مولکولی و غیره استفاده میکنند تا تصمیمگیریهای پژوهشی خود را توجیه کنند. ما VIALS را معرفی میکنیم، یک معیار سوال-پاسخ بصری با ۱۶۱ وظیفه تفسیری که انواع آثار بصری را در جریانهای آزمایشی صنعت بیوتکنولوژی پوشش میدهد (نه شکلهای تمیز از نشریات و کتابهای درسی). در حالی که مدلهای پیشرو بینایی-زبان میتوانند اکنون به راحتی تصاویر طبیعی را توصیف کنند، ما مشاهده کردهایم که نمیتوانند به طور دقیق این تصاویر علمی را تفسیر کنند، امری که محدودیتهای دانش حوزهای و تواناییهای بصری-منطقی خاص آن را نشان میدهد. در مقابل، دانشمندان با تخصص مرتبط، این وظایف بصری-تفسیری را به راحتی انجام میدهند. هوش مصنوعی که نمیتواند چنین تصاویری را به درستی تفسیر کند، در جریانهای حرفهای علوم زندگی که این آثار بصری محور اصلی استدلال، ارتباط و تصمیمگیری دانشمندان هستند، کاربرد محدود خواهد داشت.