الجمع بين الرؤية واللغة: نماذج الرؤية واللغة (VLM) مستقبل تحليلات الفيديو

الجمع بين الرؤية واللغة: نماذج الرؤية واللغة (VLM) مستقبل تحليلات الفيديو

تتيح نماذج الرؤية واللغة للذكاء الاصطناعي مشاهدة مقاطع الفيديو ثم إخبارك بما رآه. وقد صُممت لتعمل كمترجم بين المدخلات البصرية واللغة البشرية، مما يمكّنها من فهم ما تلاحظه وشرحه…

ما هي نماذج الرؤية واللغة (VLM) أصلاً؟

تتيح نماذج الرؤية واللغة للذكاء الاصطناعي مشاهدة مقاطع الفيديو ثم إخبارك بما رآه. وقد صُممت لتعمل كمترجم بين المدخلات البصرية واللغة البشرية، مما يمكّنها من فهم ما تلاحظه وشرحه. وخلافاً للذكاء الاصطناعي التقليدي الذي إما ينظر إلى الصور وإما يقرأ النصوص، تقوم نماذج الرؤية واللغة بالأمرين معاً في آن واحد.

التعلم بدون أمثلة (Zero-shot learning) هو تقنية في التعلم الآلي يستطيع فيها نموذج الذكاء الاصطناعي التعرف على مفاهيم أو أجسام أو مهام لم يُدرَّب عليها تحديداً من قبل وتصنيفها. وبدلاً من ذلك، يستخدم النموذج معرفته المسبقة ووصفاً نصياً للتوصل إلى الإجابة الصحيحة. وهذا يوفر على شركات الأمن مبالغ طائلة.

كيف تحوّل نماذج الرؤية واللغة تحليلات الفيديو

هل تريد العثور على رجل يحمل حقيبة ظهر زرقاء وهو يخرج من متجر في زاوية الشارع عند عنوان معين؟ ما عليك سوى كتابة ذلك. تطابق نماذج الرؤية واللغة استعلامك مع الأنماط البصرية دون الحاجة إلى وسوم محددة مسبقاً. وتشاهد هذه النماذج فيديو المراقبة وتولّد ملخصات بلغة مبسطة، كما ترصد المخاطر على السلامة مثل الحرائق والحالات الشاذة والوصول غير المصرح به في الوقت الفعلي.

المزايا:

  • مرونة فورية: اكتشفت شيئاً جديداً؟ ما عليك سوى تحديث الموجّه النصي ونشره فوراً.
  • لا حاجة إلى إعادة التدريب: نموذج واحد يكشف كل شيء وأي شيء، وكل ما عليك هو تغيير الموجّهات النصية.
  • خصوصية مدمجة: يتم تمويه الوجوه تلقائياً في الوقت الفعلي.
  • البحث بالغة الطبيعية (بالإنجليزية): يستطيع أي شخص مصرح له طلب مواد الفيديو بلغة بسيطة دون تدريب خاص.
  • قدرة التعلم بدون أمثلة: تعمل نماذج الرؤية واللغة على مهام جديدة دون إعادة تدريب خاصة بالموضوع.
  • فهم الفيديو: تتتبع الأفعال عبر الزمن، لا في الإطارات الفردية فحسب.
  • مخرجات منظمة: تولّد ملفات JSON للتكامل مع قواعد البيانات.
  • حد أدنى من التوصيف: تحتاج إلى بيانات تدريب موسومة أقل من الذكاء الاصطناعي التقليدي.

والآن، لنتناول التحديات

الهلوسة

عندما يشاهد الذكاء الاصطناعي لقطات المراقبة ويكذب بثقة بشأن أحداث أو أجسام غير موجودة فعلاً، يسمى ذلك هلوسة. وفي سياق السلامة العامة، تحمل هذه التقارير الكاذبة مخاطر جسيمة، إذ قد تتسبب في اتهامات ظالمة أو هدر موارد التحقيق أو الإخفاق في تحديد التهديدات الحقيقية.

لماذا يختلق الذكاء الاصطناعي الأشياء:

  • يتوقع الذكاء الاصطناعي الكلمات التي تتجاور عادةً، لكنه لا «يرى» فعلاً ما في الفيديو.
  • قد يحفظ الذكاء الاصطناعي الأنماط بدلاً من فهم المفاهيم. فإذا دُرّب في معظمه على خوذات السلامة الحمراء، فإنه يرتبك أمام خوذة صفراء.
  • تجد بعض النماذج صعوبة في تحديد وقت وقوع الحدث. فقد تخبرك بأن شيئاً ما حدث، لكنها لا تقدم الطابع الزمني.

الهلوسة ليست نادرة، بل تحدث طوال الوقت. والمفتاح هو أن يعمل الذكاء الاصطناعي حصراً كمساعد تتطلب قراراته إشرافاً بشرياً إلزامياً. وعندما يبقى الإنسان ضمن الحلقة، نتيح للذكاء الاصطناعي أن يكون فعالاً للغاية دون خطر اختلاق معلومات مزيفة.

لماذا الإشراف البشري إلزامي

لا ينبغي أن تعمل نماذج الرؤية واللغة أبداً دون إشراف بشري مستمر. وفي أوروبا، يُعد هذا في الواقع مطلباً قانونياً بموجب قانون الذكاء الاصطناعي للاتحاد الأوروبي للأنظمة عالية المخاطر المستخدمة في إنفاذ القانون والسلامة العامة. وينص قانون الذكاء الاصطناعي للاتحاد الأوروبي صراحةً على أنه: «لا يجوز اتخاذ أي إجراء أو قرار استناداً إلى تحديد الهوية بواسطة الذكاء الاصطناعي، ما لم يتم التحقق منه وتأكيده بشكل منفصل من قبل أشخاص طبيعيين».

«يجب تصميم أنظمة الذكاء الاصطناعي عالية المخاطر وتطويرها بحيث يمكن للأشخاص الطبيعيين الإشراف عليها بفعالية خلال فترة استخدامها، بما في ذلك من خلال أدوات واجهة الإنسان والآلة المناسبة». - قانون الذكاء الاصطناعي للاتحاد الأوروبي، المادة 14: الإشراف البشري

ولأن نماذج الرؤية واللغة كثيراً ما تهلوس وتسيء تقدير السياق وتفتقر إلى الحس السليم، فإن الإشراف البشري إلزامي لرصد الإيجابيات الكاذبة والسلبيات الكاذبة. وفي السلامة العامة، يكلّف الخطأ أكثر بكثير من بضع دقائق إضافية من وقت المراجعة.

ولتطبيق هذا المستوى من الرقابة بفعالية، ينبغي للمسؤولين البشريين اعتماد بروتوكولات تشغيلية واضحة:

  • لا تثق أبداً، وتحقق دائماً من كل مخرجات نماذج الرؤية واللغة
  • التحقق من شخصين ضروري في قطاعات معينة
  • موافقة الإنسان ضمن الحلقة على أي إجراء عند تعديل الأنظمة أو الوصول إلى بيانات حساسة
  • درجات الثقة التي تقل عن 80% يجب إرسالها تلقائياً إلى مراجع بشري
  • تدريب الذكاء الاصطناعي: «إذا لم تكن متأكداً، فقل: “تعذر التأكيد”».

الخلاصة

نماذج الرؤية واللغة أدوات قوية تجعل تحليلات الفيديو متاحة وسريعة وذكية. فهي تحوّل ساعات من اللقطات إلى معلومات قابلة للبحث والفهم.

لكن هذه النماذج مساعدة، وليست بديلاً. فالتكوين الأمثل يجمع بين نماذج الرؤية واللغة والمراجعين البشريين، بحيث يتولى الذكاء الاصطناعي المسح الشامل للكميات الكبيرة بينما يوفر البشر الحكم والسياق اللازمين للقرارات النهائية.

وخلافاً للنماذج التقليدية التي تتطلب ضبطاً دقيقاً لكل حالة، تعتمد نماذج الرؤية واللغة على موجّهات نصية بلغة طبيعية، مما يجعلها شديدة القابلية للتكيف. وفي IREX.ai، يُعد هذا الحل مثالياً للأحداث غير المنتظمة أو بطيئة التطور، مثل رصد السقوط والفيضانات أو مراقبة ضبط جودة الفيديو، حيث لا حاجة إلى تحليل فوري لكل إطار. وتشمل المزايا الرئيسية النشر السريع للمهام الجديدة دون الحاجة إلى تدريب الشبكات العصبية، والقدرة على جمع البيانات للتحسين مستقبلاً، والأداء المعتمد على وحدات GPU. وسيُدمج هذا النموذج في نظام مركزي لإدارة القواعد، يوفر واجهة موحدة لإدارة الموجّهات النصية. والميزة قيد التطوير حالياً وستتاح في المستقبل القريب.

وعند استخدامها بمسؤولية ومع إشراف بشري مستمر، يمكن لنماذج الرؤية واللغة أن تجعل السلامة العامة أكثر فعالية مع الحماية من مخاطر الأتمتة الكاملة. فالتقنية مثيرة، لكن الرقابة البشرية هي ما يبقيها جديرة بالثقة.

كل منشورات المدوّنة

أتفضّلون التحدّث مباشرة؟

تحدّثوا مع أخصائي سلامة عامة من IREX حول بيئة الكاميرات لديكم، والنشر، ومتطلبات الامتثال.

احجزوا عرضاً توضيحياً

أخبرونا كم كاميرا تشغّلون تقريباً، وأين يجب أن تبقى البيانات، وما الأمور الثلاثة أو الأربعة التي تحتاجون لكشفها أكثر من غيرها. وسنعدّ عرضاً على تسجيلاتكم أنتم.

إذا تعذّر استخدام النموذج، راسلونا عبر البريد الإلكتروني [email protected].

الأسئلة الشائعة

هل تعمل IREX مع كاميراتنا الحالية؟

نعم. إعادة استخدام كاميراتكم الحالية هو نموذج النشر القياسي. تُضيف IREX الذكاء الاصطناعي إلى الكاميرات التي تُشغّلونها بالفعل، من موقعٍ واحد إلى مدينةٍ أو دولةٍ بأكملها، من دون برنامج استبدال العتاد القائم.

هل نحتفظ بملكية بياناتنا؟

نعم. يحتفظ العملاء بملكيةٍ وتحكّمٍ كاملَين (100%) في بياناتهم؛ ولا تملك IREX ولا تصل إلى فيديو العميل أو أحداثه أو سجلّاته أو مخطّطاته.