آخر مستجدات أبحاث الذكاء الاصطناعي في Meta FAIR: SAM 2.1 وCoTracker3

الذكاء الاصطناعي (AI) مجال بحثي يشهد مؤخرًا حماسًا ونشاطًا كبيرين، مع ظهور ابتكارات جديدة واختراقات بوتيرة أسرع من أي وقت مضى. وخلال الأسابيع القليلة الماضية، كشف فريق أبحاث الذكاء الاصطناعي الأساسية (FAIR) التابع لـMeta عن مجموعة من الأدوات والنماذج التي تستهدف معالجة التحديات في مجالات مختلفة من الذكاء الاصطناعي. وتشمل هذه الإصدارات تحديثات قد تؤثر في مجالات متنوعة مثل الرعاية الصحية والروبوتات والواقع المعزز.

فعلى سبيل المثال، يحسّن النموذج المحدّث SAM 2.1 تقسيم الأجسام، ما يسهل تحديد الأجسام وفصلها بدقة في الصور ومقاطع الفيديو. وفي الوقت نفسه، يركز CoTracker3 على تتبع النقاط، ما يساعد على متابعة النقاط في إطارات الفيديو حتى عندما تتحرك الأجسام أو تُحجب جزئيًا.

قدمت Meta أيضًا إصدارات أخف وأسرع من نموذج Llama اللغوي للاستخدام بكفاءة على الجهاز، إلى جانب تقنية جديدة للاستشعار اللمسي في مجال الروبوتات. في هذه المقالة، سنفصّل أحدث إصدارات Meta FAIR، ونستعرض ما تقدمه كل أداة. لنبدأ!

نموذج Segment Anything المحسّن من Meta: SAM 2.1#

يتيح تقسيم الأجسام، وهو مهمة أساسية في الرؤية الحاسوبية، تحديد الأجسام المتميزة وفصلها داخل صورة أو مقطع فيديو، ما يسهل تحليل مناطق اهتمام محددة. ومنذ إصداره، استُخدم Segment Anything Model 2 (SAM 2) من Meta لتقسيم الأجسام في مجالات مختلفة، مثل التصوير الطبي والأرصاد الجوية. واستنادًا إلى ملاحظات المجتمع، قدمت Meta الآن SAM 2.1، وهو إصدار محسّن صُمم لمعالجة بعض التحديات التي واجهها النموذج الأصلي وتحقيق أداء أفضل عمومًا.

الشكل 1. مقارنة أداء نموذج SAM 2.1.

يتضمن SAM 2.1 تحديثات لتحسين التعامل مع الأجسام الصغيرة والمتشابهة بصريًا، بفضل تقنيات زيادة البيانات الجديدة. كما يحسّن تعامل النموذج مع الحجب، أي عندما تكون أجزاء من الجسم مخفية عن الأنظار، وذلك بتدريبه على مقاطع فيديو أطول، ما يسمح له «بتذكر» الأجسام والتعرف عليها بمرور الوقت حتى إن حُجبت مؤقتًا. فعلى سبيل المثال، إذا صوّر شخص مقطع فيديو لشخص يمشي خلف شجرة، يستطيع SAM 2.1 تتبع الشخص عند ظهوره مجددًا على الجانب الآخر، مستعينًا بذاكرته عن موضع الجسم وحركته لسد الفجوات عندما ينقطع مجال الرؤية لفترة وجيزة.

وبالتوازي مع هذه التحديثات، أصدرت Meta حزمة أدوات المطورين لـ SAM 2، التي توفر شيفرة تدريب مفتوحة المصدر وبنية تحتية متكاملة للعروض التوضيحية، مما يتيح للمطورين إجراء الضبط الدقيق لـ SAM 2.1 باستخدام بياناتهم الخاصة ودمج SAM 2.1 في مجموعة من التطبيقات.

CoTracker3: نموذج Meta للتتبّع وميزاته وتحديثاته#

من المهام الأخرى المثيرة للاهتمام في الرؤية الحاسوبية تتبّع النقاط. ويتضمن ذلك متابعة نقاط أو سمات محددة عبر إطارات متعددة في مقطع فيديو. لنفترض وجود مقطع فيديو لـراكب دراجة يسير على مسار؛ يتيح تتبّع النقاط للنموذج متابعة نقاط على راكب الدراجة، مثل الخوذة أو العجلات، حتى إن حجبتها عوائق للحظات.

يُعد تتبّع النقاط ضروريًا لتطبيقات مثل إعادة البناء ثلاثي الأبعاد والروبوتات وتحرير الفيديو. وغالبًا ما تعتمد النماذج التقليدية على إعدادات معقدة ومجموعات بيانات اصطناعية ضخمة، ما يحد من فعاليتها عند تطبيقها في سيناريوهات العالم الحقيقي.

يعالج نموذج Meta CoTracker3 لـلتتبّع هذه القيود من خلال تبسيط بنية النموذج. كما يقدم أسلوبًا للتوسيم الزائف يتيح للنموذج التعلم من مقاطع فيديو حقيقية غير مشروحة، ما يجعل CoTracker3 أكثر كفاءة وقابلية للتوسع للاستخدام العملي.

الشكل 2. مقارنة CoTracker3 بنماذج التتبّع الأخرى.

من أبرز الميزات التي تميز CoTracker3 قدرته على التعامل جيدًا مع حالات الاحتجاب. وباستخدام الانتباه عبر المسارات، وهي تقنية تتيح للنموذج مشاركة المعلومات بين نقاط متعددة قيد التتبّع، يستطيع CoTracker3 استنتاج مواضع النقاط المخفية بالاستناد إلى النقاط المرئية. وبذلك صُمم CoTracker3 ليكون فعالًا للغاية في البيئات الديناميكية، مثل متابعة شخص عبر مشهد مزدحم.

يوفر CoTracker3 أيضًا نمطي التشغيل المتصل وغير المتصل. يتيح النمط المتصل التتبّع في الوقت الفعلي، بينما يمكن استخدام النمط غير المتصل لإجراء تتبّع أشمل عبر مقاطع الفيديو كاملة، وهو مثالي لمهام مثل تحرير الفيديو أو الرسوم المتحركة.

تحديثات وأبحاث أخرى من Meta FAIR#

في حين يعرض SAM 2.1 وCoTracker3 أحدث إنجازات Meta في الرؤية الحاسوبية، توجد أيضًا تحديثات واعدة في مجالات أخرى من الذكاء الاصطناعي، مثل معالجة اللغة الطبيعية (NLP) والروبوتات. فلنلقِ نظرة على بعض التطورات الحديثة الأخرى من Meta FAIR.

Spirit LM من Meta: ابتكارات الذكاء الاصطناعي في نماذج اللغة والنماذج متعددة الوسائط#

Spirit LM من Meta هو نموذج لغة متعدد الوسائط جديد يجمع بين إمكانات النص والكلام، ما يجعل التفاعل مع الذكاء الاصطناعي يبدو أكثر طبيعية. وعلى عكس النماذج التقليدية التي تتعامل مع النص وحده أو الكلام وحده، يستطيع Spirit LM الانتقال بسلاسة بينهما.

يستطيع Spirit LM فهم اللغة وتوليدها بأسلوب أقرب إلى البشر. فعلى سبيل المثال، يمكنه تطوير المساعدات الافتراضية التي تستمع وتجيب بالكلام أو الكتابة، أو دعم أدوات إمكانية الوصول التي تحول الكلام إلى نص وبالعكس.

الشكل 3. مثال على تحويل النص إلى كلام باستخدام Spirit LM من Meta.

علاوة على ذلك، طورت Meta تقنيات لجعل النماذج اللغوية الكبيرة أكثر كفاءة. تساعد إحدى هذه التقنيات، المسماة Layer Skip، على تقليل الاحتياجات الحاسوبية وتكاليف الطاقة عبر تنشيط الطبقات اللازمة للمهمة المحددة فقط. وتفيد هذه التقنية بشكل خاص في التطبيقات على الأجهزة محدودة الذاكرة والطاقة.

واستكمالًا لجهود نشر تطبيقات الذكاء الاصطناعي على هذه الأجهزة، أطلقت Meta أيضًا إصدارات مكمّمة من نماذج Llama. وقد ضُغطت هذه النماذج لتعمل بسرعة أكبر على الأجهزة المحمولة من دون التضحية بالدقة.

نظرة على مستقبل التحسين مع Meta Lingua#

مع تزايد حجم نماذج الذكاء الاصطناعي وتعقيدها، أصبح تحسين عملية تدريبها أمرًا بالغ الأهمية. وفي مجال التحسين، قدمت Meta مشروع Meta Lingua، وهو قاعدة شيفرة مرنة وفعالة تسهّل تدريب النماذج اللغوية الكبيرة. ويتيح التصميم المعياري لـ Meta Lingua للباحثين تخصيص تجاربهم وتوسيع نطاقها بسرعة.

يمكن للباحثين قضاء وقت أقل في الإعداد التقني ووقت أطول في البحث الفعلي. كما أن قاعدة الشيفرة خفيفة وسهلة الدمج، ما يجعلها مناسبة للتجارب الصغيرة والمشروعات واسعة النطاق على حد سواء. ومن خلال إزالة هذه العقبات التقنية، تساعد Meta Lingua الباحثين على إحراز تقدم أسرع واختبار أفكار جديدة بسهولة أكبر.

الشكل 4. نظرة عامة على Meta Lingua.

تحسينات Meta في أمن الذكاء الاصطناعي#

مع تقدم تقنيات الحوسبة الكمومية، تظهر تحديات جديدة أمام أمن البيانات. وعلى خلاف الحواسيب الحالية، يُرجح أن تتمكن الحواسيب الكمومية من حل الحسابات المعقدة بسرعة أكبر بكثير. وهذا يعني أنها قد تتمكن من كسر أساليب التشفير المستخدمة حاليًا لحماية المعلومات الحساسة. لذلك تزداد أهمية الأبحاث في هذا المجال؛ إذ إن تطوير طرق جديدة لحماية البيانات أمر أساسي استعدادًا لمستقبل الحوسبة الكمومية.

لمواجهة ذلك، طورت Meta أداة Salsa الهادفة إلى تعزيز الأمن التشفيري في مرحلة ما بعد الكم. وتساعد Salsa الباحثين على اختبار الهجمات المدعومة بالذكاء الاصطناعي وتحديد نقاط الضعف المحتملة، ما يتيح لهم فهم مواطن الضعف في أنظمة التشفير ومعالجتها على نحو أفضل. ومن خلال محاكاة سيناريوهات الهجوم المتقدمة، توفر Salsa رؤى قيّمة يمكن أن توجه تطوير تدابير أمنية أقوى وأكثر مرونة لعصر الحوسبة الكمومية.

الذكاء الاصطناعي لدى Meta: أحدث الابتكارات في الروبوتات#

يركز أحدث عمل لـ Meta في مجال الروبوتات على مساعدة الذكاء الاصطناعي على التفاعل بصورة طبيعية أكثر مع العالم المادي، من خلال تعزيز الإدراك اللمسي والبراعة والتعاون مع البشر. وعلى وجه الخصوص، يُعد Meta Digit 360 مستشعرًا لمسيًا متقدمًا يمنح الروبوتات حاسة لمس دقيقة. وتساعد المستشعرات الروبوتات على اكتشاف تفاصيل مثل الملمس والضغط وحتى أشكال الأجسام. وبفضل هذه المعلومات، تستطيع الروبوتات التعامل مع الأجسام بدقة أكبر، وهو أمر بالغ الأهمية في مجالات مثل الرعاية الصحية والتصنيع.

فيما يلي بعض الميزات الأساسية التي يتضمنها Meta Digit 360:

• يضم 18 ميزة استشعارية منفصلة تتيح التقاط نطاق واسع من التفاصيل اللمسية.
• يستطيع المستشعر اكتشاف تغيرات الضغط التي لا تتجاوز 1 ملي نيوتن، ما يمكّن الروبوتات من الاستجابة للأنسجة الدقيقة والحركات الطفيفة.
• يضم أكثر من 8 ملايين عنصر استشعار (نقاط استشعار دقيقة) على سطح طرف الإصبع، ما يوفر خريطة عالية الدقة لمعلومات اللمس.

يُعد Meta Digit Plexus امتدادًا لـ Meta Digit 360، وهو منصة تدمج مستشعرات لمس متنوعة في يد روبوتية واحدة. ويتيح هذا الإعداد للروبوتات معالجة معلومات اللمس من نقاط متعددة في آنٍ واحد، على غرار طريقة جمع الأيدي البشرية للبيانات الحسية.

الشكل 5. Meta Digit Plexus.

تمهيد الطريق للفصل التالي من الذكاء الاصطناعي#

تُظهر أحدث تحديثات الذكاء الاصطناعي لدى Meta، التي تتراوح بين التقدم في الرؤية الحاسوبية مع SAM 2.1 وCoTracker3 والتطورات الجديدة في النماذج اللغوية والروبوتات، كيف ينتقل الذكاء الاصطناعي تدريجيًا من النظرية إلى حلول عملية ذات أثر ملموس.

صُممت هذه الأدوات لجعل الذكاء الاصطناعي أكثر قابلية للتكيف وأكثر فائدة في مختلف المجالات، إذ تساعد في كل شيء بدءًا من تقسيم الصور المعقدة، مرورًا بفهم اللغة البشرية، ووصولًا إلى العمل جنبًا إلى جنب معنا في البيئات المادية.

ومن خلال إعطاء الأولوية لإمكانية الوصول والتطبيقات الواقعية، تقربنا Meta FAIR من مستقبل يستطيع فيه الذكاء الاصطناعي مواجهة تحديات العالم الحقيقي وتحسين حياتنا اليومية بطرق ذات قيمة.

هل يثير الذكاء الاصطناعي فضولك؟ انضم إلى مجتمعنا للاطلاع على أحدث التحديثات والرؤى، وتفقّد مستودعنا على GitHub. ويمكنك أيضًا استكشاف استخدام الرؤية الحاسوبية في قطاعات مثل السيارات ذاتية القيادة والزراعة!