يغيّر الذكاء الاصطناعي التوليدي مسار مستقبل الرؤية الحاسوبية

الذكاء الاصطناعي التوليدي فرع من الذكاء الاصطناعي (AI) ينشئ محتوى جديدًا، مثل الصور أو النصوص أو الصوت، من خلال تعلم الأنماط من البيانات الموجودة. وبفضل التطورات الحديثة، أصبح من الممكن استخدامه لإنتاج محتوى واقعي للغاية يحاكي الإبداع البشري في كثير من الأحيان.

لكن تأثير الذكاء الاصطناعي التوليدي يتجاوز مجرد إنشاء المحتوى. فمع استمرار تطور نماذج الرؤية الحاسوبية الآنية مثل نماذج Ultralytics YOLO، يعيد الذكاء الاصطناعي التوليدي أيضًا تعريف كيفية معالجة البيانات المرئية وتعزيزها، ممهدًا الطريق لتطبيقات مبتكرة في سيناريوهات العالم الحقيقي.

كان هذا التحول التكنولوجي الجديد موضوعًا شيقًا للنقاش في YOLO Vision 2024 (YV24)، وهو فعالية سنوية هجينة تستضيفها Ultralytics. وجمع YV24 المهتمين بالذكاء الاصطناعي ورواد القطاع لمناقشة أحدث الإنجازات في الرؤية الحاسوبية. وركزت الفعالية على الابتكار والكفاءة ومستقبل حلول الذكاء الاصطناعي الآنية.

كان من أبرز محطات الفعالية نقاشٌ حواري عن YOLO في عصر الذكاء الاصطناعي التوليدي. وشارك في النقاش غلين جوشر، المؤسس والرئيس التنفيذي لشركة Ultralytics، وجينغ تشيو، مهندس تعلم آلي أول في Ultralytics، وآو وانغ من جامعة تسينغهوا. واستكشفوا تأثير الذكاء الاصطناعي التوليدي في الرؤية الحاسوبية وتحديات بناء نماذج ذكاء اصطناعي عملية.

في هذه المقالة، سنستعرض مجددًا أبرز الرؤى التي طُرحت في نقاشهم، ونتعمق في كيفية إحداث الذكاء الاصطناعي التوليدي تحولًا في ذكاء الرؤية.

تطوير نماذج Ultralytics YOLO#

إلى جانب غلين جوشر، اضطلع العديد من المهندسين المهرة بدور حيوي في تطوير نماذج Ultralytics YOLO. وروى أحدهم، جينغ تشيو، كيف بدأ تعامله مع YOLO على نحو غير متوقع. وأوضح أن شغفه بالذكاء الاصطناعي بدأ خلال سنوات دراسته الجامعية. وقد أمضى وقتًا طويلًا في استكشاف هذا المجال والتعلم عنه. وتذكر جينغ تشيو كيف تواصل مع غلين جوشر على GitHub وشارك في مشروعات متنوعة للذكاء الاصطناعي.

إضافةً إلى ما قاله جينغ تشيو، وصف غلين جوشر GitHub بأنه "وسيلة رائعة للمشاركة، إذ يجتمع أشخاص لم يلتقوا من قبل لمساعدة بعضهم بعضًا والمساهمة في أعمال بعضهم. إنه مجتمع رائع ووسيلة ممتازة للبدء في مجال الذكاء الاصطناعي."

الشكل 1. غلين جوشر وجينغ تشيو يتحدثان على خشبة المسرح في YV24.

ساعد اهتمام جينغ تشيو بالذكاء الاصطناعي وعمله على Ultralytics YOLOv5 في تحسين النموذج. ولاحقًا، أدى دورًا أساسيًا في تطوير Ultralytics YOLOv8، الذي قدّم تحسينات إضافية. ووصف ذلك بأنه رحلة مذهلة. ويواصل جينغ تشيو اليوم تحسين نماذج مثل Ultralytics YOLO11 والعمل عليها.

YOLOv10: محسّن للأداء في العالم الحقيقي#

انضم آو وانغ إلى النقاش الحواري عن بُعد من الصين، وعرّف بنفسه بوصفه طالب دكتوراه. درس هندسة البرمجيات في البداية، لكن شغفه بالذكاء الاصطناعي قاده إلى التوجه نحو الرؤية الحاسوبية والتعلم العميق.

كان أول تعرّف له على نموذج YOLO الشهير خلال تجاربه على تقنيات ونماذج مختلفة للذكاء الاصطناعي. وقد أُعجب بسرعته ودقته، ما دفعه إلى التعمق في مهام الرؤية الحاسوبية مثل اكتشاف الأجسام. ومؤخرًا، أسهم Ao Wang في تطوير YOLOv10، وهو إصدار حديث من نموذج YOLO. وركز بحثه على تحسين النموذج ليصبح أسرع وأكثر دقة.

الفرق الأساسي بين الذكاء الاصطناعي التوليدي وذكاء الرؤية#

بعد ذلك، بدأ المشاركون في النقاش تناول الذكاء الاصطناعي التوليدي، وأشار جينغ تشيو إلى اختلاف الغايات بين الذكاء الاصطناعي التوليدي وذكاء الرؤية. فالذكاء الاصطناعي التوليدي ينشئ أشياء مثل النصوص والصور ومقاطع الفيديو، بينما يحلل ذكاء الرؤية ما هو موجود بالفعل، ولا سيما الصور.

أشار غلين جوشر أيضًا إلى أن الحجم يمثل فرقًا كبيرًا. فنماذج الذكاء الاصطناعي التوليدي ضخمة، وغالبًا ما تحتوي على مليارات المَعلمات، وهي إعدادات داخلية تساعد النموذج على التعلم من البيانات. أما نماذج الرؤية الحاسوبية فهي أصغر بكثير. وقال: “إن أصغر نموذج YOLO لدينا أصغر بنحو ألف مرة من أصغر نموذج LLM [نموذج لغوي كبير]. أي 3 ملايين معلمة مقارنة بثلاثة مليارات.”

الشكل 2. النقاش الحواري حول الذكاء الاصطناعي التوليدي وذكاء الرؤية في YV24.

وأضاف جينغ تشيو أن عمليتي التدريب والنشر تختلفان كثيرًا أيضًا بين الذكاء الاصطناعي التوليدي والرؤية الحاسوبية. فالذكاء الاصطناعي التوليدي يحتاج إلى خوادم ضخمة وقوية لتشغيله. أما نماذج مثل YOLO، فهي مصممة لتحقيق الكفاءة ويمكن تدريبها ونشرها على أجهزة عادية. وهذا يجعل نماذج Ultralytics YOLO أكثر ملاءمة للاستخدام في العالم الحقيقي.

على الرغم من اختلاف هذين المجالين، فإنهما بدآ يتداخلان. وأوضح غلين جوشر أن الذكاء الاصطناعي التوليدي يقدم تطورات جديدة لذكاء الرؤية، ما يجعل النماذج أذكى وأكثر كفاءة.

تأثير الذكاء الاصطناعي التوليدي في الرؤية الحاسوبية#

تقدم الذكاء الاصطناعي التوليدي بسرعة، وتؤثر هذه الإنجازات في مجالات أخرى كثيرة من الذكاء الاصطناعي، ومنها الرؤية الحاسوبية. والآن، لنتناول بعض الرؤى الشيقة التي طُرحت في النقاش حول هذا الموضوع.

تطورات الأجهزة تتيح ابتكارات الذكاء الاصطناعي#

في بداية الجلسة، أوضح Glenn Jocher أن أفكار التعلم الآلي موجودة منذ زمن طويل، لكن الحواسيب لم تكن قوية بما يكفي لتطبيقها. فقد احتاجت أفكار الذكاء الاصطناعي إلى عتاد أقوى كي تصبح واقعًا.

غيّر ظهور وحدات معالجة الرسومات (GPUs) خلال العشرين عامًا الماضية، بفضل قدراتها على المعالجة المتوازية، كل شيء. فقد جعلت تدريب نماذج الذكاء الاصطناعي أسرع وأكثر كفاءة بكثير، ما أتاح للتعلم العميق أن يتطور بوتيرة سريعة.

في الوقت الحاضر، تستهلك شرائح الذكاء الاصطناعي مثل وحدات معالجة الموتر (TPUs) ووحدات معالجة الرسومات المحسّنة طاقة أقل أثناء التعامل مع نماذج أكبر وأكثر تعقيدًا. وقد جعل ذلك الذكاء الاصطناعي أيسر وصولًا وأكثر فائدة في التطبيقات العملية.

مع كل تحسن جديد في الأجهزة، تزداد قوة تطبيقات الذكاء الاصطناعي التوليدي والرؤية الحاسوبية. وتجعل هذه التطورات الذكاء الاصطناعي الآني أسرع وأكثر كفاءة وجاهزًا للاستخدام في مزيد من القطاعات.

كيف يشكّل الذكاء الاصطناعي التوليدي نماذج اكتشاف الكائنات#

عندما سُئل جينغ تشيو عن تأثير الذكاء الاصطناعي التوليدي في الرؤية الحاسوبية، قال إن المحوّلات، وهي نماذج تساعد الذكاء الاصطناعي على التركيز على أهم أجزاء الصورة، قد غيّرت طريقة فهم الذكاء الاصطناعي للصور ومعالجتها. وكانت DETR (محوّل اكتشاف الكائنات) أول خطوة كبيرة استخدمت هذا النهج الجديد لاكتشاف الكائنات. وقد حسّنت الدقة، لكنها واجهت مشكلات في الأداء جعلتها أبطأ في بعض الحالات.

ولمعالجة هذه المشكلة، أنشأ الباحثون نماذج هجينة مثل RT-DETR. تجمع هذه النماذج بين الشبكات العصبية الالتفافية (CNNs، وهي نماذج للتعلم العميق تتعلم السمات من الصور وتستخرجها تلقائيًا) والمحولات، محققةً توازنًا بين السرعة والدقة. ويستفيد هذا النهج من مزايا المحولات مع تسريع اكتشاف الأجسام.

ومن المثير للاهتمام أن YOLOv10 يستخدم طبقات انتباه قائمة على المحولات (أجزاء من النموذج تعمل ككشاف ضوئي يبرز أهم المناطق في الصورة ويتجاهل التفاصيل الأقل أهمية) لتعزيز أدائه.

وأشار آو وانغ أيضًا إلى أن الذكاء الاصطناعي التوليدي يغيّر طريقة تدريب النماذج. فتقنيات مثل نمذجة الصور المقنّعة تساعد الذكاء الاصطناعي على التعلم من الصور بكفاءة أكبر، ما يقلل الحاجة إلى مجموعات بيانات كبيرة ذات تسميات يدوية. وهذا يجعل تدريب الرؤية الحاسوبية أسرع وأقل استهلاكًا للموارد.

مستقبل الذكاء الاصطناعي التوليدي وذكاء الرؤية#

ومن الأفكار الرئيسية الأخرى التي ناقشها المشاركون كيفية دمج الذكاء الاصطناعي التوليدي وذكاء الرؤية لبناء نماذج أكثر قدرة. وأوضح غلين جوشر أن الجمع بين هذين النهجين قد يفتح آفاقًا جديدة، رغم اختلاف نقاط القوة لكل منهما.

فعلى سبيل المثال، غالبًا ما تقسّم نماذج الذكاء الاصطناعي البصري مثل YOLO الصورة إلى شبكة لتحديد الأجسام. وقد تساعد هذه الطريقة القائمة على الشبكة النماذج اللغوية على تحسين قدرتها على تحديد التفاصيل ووصفها، وهو تحدٍ تواجهه نماذج لغوية كثيرة اليوم. وباختصار، قد يؤدي دمج هذه التقنيات إلى أنظمة تستطيع اكتشاف ما تراه بدقة وشرحه بوضوح. وتستطيع بعض نماذج الرؤية واللغة القيام بالأمرين بالفعل، ويتتبع لوحة صدارة VLM مدى كفاءتها في اكتشاف الأجسام.

الشكل 3. مستقبل الذكاء الاصطناعي التوليدي وذكاء الرؤية. الصورة من إعداد المؤلف.

أبرز النقاط#

يتقدم الذكاء الاصطناعي التوليدي والرؤية الحاسوبية معًا. فالذكاء الاصطناعي التوليدي ينشئ الصور ومقاطع الفيديو، كما يحسن تحليل الصور ومقاطع الفيديو من خلال طرح أفكار جديدة قد تجعل نماذج الذكاء الاصطناعي البصري أدق وأكثر كفاءة.

في هذه الجلسة النقاشية ضمن YV24، شارك Glenn Jocher وJing Qiu وAo Wang آراءهم حول كيفية تشكيل هذه التقنيات للمستقبل. ومع تحسن عتاد الذكاء الاصطناعي، سيواصل الذكاء الاصطناعي التوليدي والذكاء الاصطناعي البصري تطورهما، ما سيقود إلى ابتكارات أكبر. ويتعاون هذان المجالان لإنشاء ذكاء اصطناعي أذكى وأسرع وأنفع في الحياة اليومية.

انضم إلى مجتمعنا واستكشف مستودع GitHub لمعرفة المزيد عن الذكاء الاصطناعي البصري. اطّلع على خيارات الترخيص لبدء مشاريع الرؤية الحاسوبية. هل تهتم بابتكارات مثل الذكاء الاصطناعي في التصنيع أو الرؤية الحاسوبية في السيارات ذاتية القيادة؟ تفضّل بزيارة صفحات الحلول لدينا لاكتشاف المزيد.