هل تتذكر الصورة الساخرة الشهيرة؟ كلب مستلقٍ خلف سياج وظلال القضبان على جسمه. ترسم خوارزمية رؤية حاسوبية مربعًا بثقة وتعلن: «نمر. الدقة: 100%».
عندها يبدأ كل من في الغرفة بالضحك. إنه كلب بوضوح. الخطوط ظلال وليست جزءًا من الحيوان. والسياج جسم منفصل. والمشهد في الخارج. ثم إن النمور نادرًا ما تنتظر الغداء أمام مبنى مكاتب.
أما الرؤية الحاسوبية الأقدم فلم يكن الأمر واضحًا لها بالقدر نفسه.
لماذا كانت الأخطاء مضحكة إلى هذا الحد؟
عاشت الرؤية الحاسوبية التقليدية طويلًا في عالم من الأجسام المنفصلة: هذا جسم، وهذا مربع إحاطة، وهذه فئة، وهذه درجة ثقة.
يفحص النظام جزءًا من الصورة ويجد نمطًا بصريًا ويحاول مطابقته بما يعرفه. خطوط؟ تشبه النمر. شكل الجسم؟ ربما. السياق؟ أي سياق؟
هكذا أمكن للنموذج أن يخطئ بثقة في أمر لا يكاد يحتاج إلى تفكير بشري. لقد رأى السمات دون فهم المشهد.
لهذا الفرق أهمية هائلة في تطبيق العميل الفعلي.
اكتشاف خوذة لا يعني فهم المخالفة
يمكن لنموذج كشف تقليدي التعرّف على خوذة أو شخص أو سيجارة أو هاتف محمول. لكن السؤال التشغيلي نادرًا ما يكون بهذه البساطة.
- هل الشخص داخل المنطقة الخطرة فعلًا، أم يمر خلف حاجز؟
- هل يخالف العامل قاعدة أم ينفّذ عملية طبيعية؟
- هل المركبة قريبة بصورة خطرة من شخص، أم أن كليهما في منطقة منفصلة؟
- هل يستخدم الموظف هاتفًا في مكان يُحظر فيه ذلك، أم يحمل جهاز عمل مصرّحًا به؟
- هل الشجرة داخل موقع البناء أم خارج السياج الذي يحميها؟
هذه أسئلة عن العلاقات والمنطق المكاني وقواعد التشغيل والسياق. وهنا يبدأ الأمر المثير للاهتمام.
من التعرّف إلى التفسير
تغيّر نماذج الرؤية واللغة الحديثة الأسئلة التي يمكن طرحها على الصورة.
تسأل الرؤية الحاسوبية التقليدية: «ماذا يوجد في الصورة؟». أما نموذج الرؤية واللغة فيمكنه معالجة أسئلة مثل: «ماذا يحدث هنا؟»، و«هل توجد مخالفة؟»، و«لماذا قد يكون هذا خطرًا؟»، و«ما العلاقة بين هذه الأجسام؟»، و«هل يتوافق هذا المشهد مع القاعدة المحددة؟».
لنتأمل الشجرة والسياج. يقول نموذج الكشف: «اكتُشفت شجرة. اكتُشف سياج». أما التحليل المدرك للسياق فيستطيع وصف العلاقة: «الشجرة خارج السياج الواقي لموقع البناء».
في الواقع، وجود جسم ليس سوى جزء من الإجابة. فقد يكون موقعه ودوره وعلاقته بالأجسام الأخرى هو المهم.
ما الذي يتغيّر للعملاء؟
لا يتمثل التغيير الرئيسي في أن الذكاء الاصطناعي أصبح «أذكى» فحسب. بل تقترب طريقة وصف المهمة من الطريقة التي يفكّر بها الناس فعلًا في عملهم.
كان إنشاء نموذج كشف جديد مشروعًا مستقلًا: جمع البيانات ووسم الصور وتدريب النموذج وتقييمه وتعديله، ثم تكرار العملية. وقد يستغرق ذلك أسابيع أو أشهر.
يمكن الآن بدء بعض المهام بقاعدة مكتوبة بلغة طبيعية:
- التحقق مما إذا كان شخص في منطقة خطرة لا يرتدي خوذة واقية.
- التحقق من عبور موظف الخط الأحمر بجوار آلة تعمل.
- رصد حالات تشتّت انتباه السائق عن الطريق.
- التحقق من وجود شخص غير مصرّح له في موقع عمل موظف مركز التشغيل.
- التحقق من التدخين في منطقة يُحظر فيها التدخين.
لا سحر هنا. ما زالت السيناريوهات الصناعية تحتاج إلى إعداد واختبار وضبط جودة وتحقق. لكن تطوير السيناريو يصبح أكثر مرونة ووضوحًا للأعمال.
كيف نطبّق ذلك في المنصة
تضم منصتنا تحليلًا يعتمد على نماذج الرؤية واللغة لفحص المشهد ضمن سياقه: أين الشخص، وماذا يفعل، وما الأجسام القريبة منه، وهل تُخالف قاعدة، ولماذا تستحق الملاحظة أن تتحول إلى حدث.
يُعد محرّر التعليمات النصية من القدرات المفيدة خصوصًا. يستطيع المستخدمون وصف قاعدة وضبط منطقها واختبار النتيجة على بث فيديو أو أرشيف. وفي المهام المناسبة، يغني ذلك عن بدء مشروع مستقل لتطوير نموذج مخصص كلما تغيّرت قاعدة تشغيلية.
يهم ذلك المنشآت التي تتطور إجراءاتها وتكثر فيها الحالات الممكنة بما يصعب معه تدريب نموذج كشف منفصل مسبقًا لكل حالة.
ما زال لنماذج الكشف التقليدية دور
لا تنتقل إلى الطرف المقابل أيضًا. فنموذج الرؤية واللغة لا يحل محل الرؤية الحاسوبية التقليدية بكل وظائفها.
تظل نماذج الكشف التقليدية مناسبة للتعرّف السريع والمتّسق وعلى نطاق واسع على الأجسام الشائعة: الأشخاص والخوذ والسترات والمركبات والآلات والسجائر والهواتف. وتضيف نماذج الرؤية واللغة طبقة أخرى لتفسير العلاقات والمعنى.
تجمع البنية المفيدة النوعين. تكشف النماذج الأجسام والأحداث المحتملة، ويفحص نموذج الرؤية واللغة السياق، وتتحول قواعد المؤسسة إلى سيناريوهات، ويتلقى المشغّل حدثًا مع شرح.
يساعد هذا الجمع على تقليل الأخطاء العبثية من نوع تحوّل الكلب إلى نمر.
قليل من الاستفزاز الفكري
كانت مزحة «الذكاء الاصطناعي سيسيطر على العالم» مضحكة لأن الذكاء الاصطناعي كثيرًا ما أخفق في فهم البديهيات. وأصبحت مضحكة لسبب آخر: تستطيع النماذج الحديثة استيعاب سياق أكثر مما توقع كثيرون. لم تعد تكتفي بعدّ الخطوط.
كان العملاء يسألون: «هل يمكنكم تدريب نموذج كشف لمهمتنا؟». ويتزايد اليوم سؤال آخر: «هل نستطيع وصف قاعدة التشغيل لدينا ليبدأ النظام في التحقق منها؟».
أرى أن هذا تحوّل أكبر بكثير من إضافة نقطة مئوية أخرى للدقة في عرض تقديمي.
ما وراء الجهاز
علّمنا الذكاء الاصطناعي أولًا العثور على خوذة، ثم شخص دون خوذة، ثم شخص دون خوذة في منطقة خطرة. وأصبحت المهمة اليوم اكتشاف مخالفة قاعدة محددة ضمن السياق الخاص بالمؤسسة.
لذا استخدم صورة الكلب والنمر القديمة بحذر. فقد ينظر إليها نموذج حديث ويقول: «هذا كلب. الخطوط ظلال يلقيها السياج. واحتمال أن يكون نمرًا منخفض جدًا».
ثم ربما يضيف: «لكنها ما زالت صورة ساخرة جيدة».
استكشف Platform 4.0 و نظرة تقنية على التحليل متعدد الوسائط.