في خطوة غير مسبوقة، يبرز إطار عمل جديد يعتمد على نماذج اللغات الكبيرة (Large Language Models) لتقييم حالة المباني في جميع أنحاء الولايات المتحدة بشكل أوتوماتيكي. من خلال استغلال صور Google Street View، استطاع الباحثون تطوير نموذج Gemma 3 27B الذي تم تدريبه على مجموعة بيانات موثوقة وجزئية من تصنيفات البشر. نتائج هذا النموذج تبين تماشيه القوي مع متوسط درجات الرأي البشري (Mean Opinion Scores)، متفوقاً حتى على تقييمات الأفراد في المقاييس المختلفة.

لتعزيز الكفاءة، تم تطبيق تقنية تقلص المعرفة (Knowledge Distillation) لنقل قدرات النموذج الكبير Gemma 3 27B إلى نموذج أصغر حجماً هو Gemma 3 4B، مما أدى إلى تحقيق أداء مماثل مع زيادة في السرعة تصل إلى ثلاث مرات. بالإضافة إلى ذلك، تم تحويل المعرفة إلى نموذج يعتمد على الشبكات العصبية التلافيفية (CNN) مثل EfficientNetV2-M ونموذج المحولات (Transformer) SwinV2-B، محققين تحسين أداء كبير مع زيادة سرعة تصل إلى 30 مرة.

كما قامت الدراسة بتحليل قدرة نماذج اللغات الكبيرة على تقييم قائمة واسعة من سمات البيئة المبنية والإسكان، وهو ما تم خلال دراسة مواءمة بين الإنسان والذكاء الاصطناعي. وكانت النتيجة تطوير لوحة معلومات بصرية تجمع نتائج تقييم النماذج اللغوية لاستخدامها في التحليل من قبل ملاك المنازل.

هذا الإطار يوفر حلاً مرناً وفعالاً لتقييم حالة المباني على نطاق واسع، مما يمكّن من تحقيق دقة عالية مع جهد بشري بسيط جداً. تعتبر هذه التطورات خطوة نحو تحسين طرق تقييم البيئات العمرانية وتعزيز تجربتها.