فهم أهمية المشروحَة بمشاركة الإنسان

قبل عشرين عامًا، لو قال شخص إنه يفكر في الاستعانة بروبوت للمساعدة في أرجاء المنزل، لَبدا الأمر بعيدًا جدًا عن الواقع. ومع ذلك، نحن نعيش الآن في خضم ازدهار الذكاء الاصطناعي، وتُختبر الروبوتات في سيناريوهات مماثلة.

من المجالات الرئيسية في الذكاء الاصطناعي التي تدفع هذا التقدم الرؤية الحاسوبية، التي تمنح الآلات القدرة على فهم الصور ومقاطع الفيديو. وبعبارة أخرى، يمكن تدريب نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 وUltralytics YOLO26 على مجموعات بيانات تتكون من بيانات مرئية ووسوم.

تساعد هذه الوسوم النموذج على فهم البيانات المرئية. فعلى سبيل المثال، تستخدم مجموعات بيانات اكتشاف الكائنات مربعات الإحاطة لرسم مستطيلات حول الكائنات موضع الاهتمام. ويُمكّن ذلك النموذج من اكتشاف تلك الكائنات وتحديد مواقعها في صور جديدة، حتى عندما يكون المشهد مزدحمًا أو يكون الكائن محجوبًا جزئيًا.

تعتمد مهام الرؤية الحاسوبية الأخرى على أنواع مختلفة من الوسوم. إذ تضع مجموعات بيانات التجزئة وسمًا للمحيط الدقيق للكائن على مستوى البكسل، بينما تحدد مجموعات بيانات النقاط الرئيسية معالم معينة، مثل مفاصل الشخص.

ومع ذلك، يظل عامل حاسم مشتركًا بين جميع هذه التنسيقات، وهو جودة الوسوم واتساقها. تتعلم النماذج مباشرةً من البيانات التي تُدرَّب عليها، ولذلك إذا كانت الوسوم غير متسقة أو خاطئة، فغالبًا ما ينقل النموذج تلك الأخطاء إلى تنبؤاته.

حتى مع الأتمتة، تظل مجموعات البيانات الموسومة بواسطة البشر بالغة الأهمية، ولا سيما في المجالات عالية المخاطر مثل التصوير الطبي. فأخطاء الوسم الصغيرة، مثل عدم دقة حدود الورم أو عدم اكتشاف حالة غير طبيعية، قد تُعلّم النموذج نمطًا خاطئًا وتؤدي لاحقًا إلى تنبؤات غير آمنة. ويوفر الخبراء البشريون الحقيقة الأساسية الدقيقة والحكم اللازمين لهذه التطبيقات.

الشكل 1. هناك حاجة إلى مجموعات بيانات موسومة بواسطة البشر. الصورة من إعداد المؤلف.

في هذه المقالة، سنلقي نظرةً أقرب على سبب أهمية البيانات الموسومة بواسطة البشر، حتى مع استمرار الذكاء الاصطناعي في التقدم.

الحاجة إلى وسم الصور ومقاطع الفيديو#

تتعلم نماذج الرؤية الحاسوبية بطريقة تشبه تعلمنا إلى حد كبير، إذ ترى العديد من الأمثلة. ويتمثل الاختلاف في أنها تتعلم من خلال التدريب على مجموعات بيانات كبيرة من الصور ومقاطع الفيديو التي يوسمها البشر مسبقًا. وتعمل هذه الوسوم بوصفها حقيقةً أساسية، فتعلّم النموذج أمورًا مثل: هذا أحد المشاة، وهذه حدود ورم، وهذا الكائن سيارة.

نادرًا ما تكون المرئيات من العالم الحقيقي نظيفة أو متسقة. فقد تتغير الإضاءة وتجعل الكائن نفسه يبدو مختلفًا. وقد تتداخل الأشخاص والمركبات أو تكون محجوبة جزئيًا. كما قد تكون الخلفيات مزدحمة ومشتتة. وعندما تتضمن مجموعات البيانات وسومًا دقيقة ومتسقة في هذه الحالات، تكون النماذج أكثر استعدادًا بكثير لما ستواجهه خارج البيئات الخاضعة للتحكم.

يتجاوز وسم البيانات مجرد رسم المربعات أو تتبع المخططات الخارجية. فهو يتضمن تطبيق الإرشادات واتخاذ قرارات عملية بشأن ما يُعد كائنًا، ومكان وجود حدوده، وكيفية التعامل مع الحالات غير الواضحة. ويحافظ هذا الحكم البشري على دقة البيانات وقابليتها للاستخدام.

في النهاية، لا يؤدي نظام الرؤية الحاسوبية إلا بقدر جودة البيانات الموسومة التي يتعلم منها. وفي التطبيقات عالية التأثير، مثل اكتشاف السرطان في الفحوصات أو اكتشاف مخاطر الطرق للسيارات ذاتية القيادة، تُحدث الوسوم الدقيقة التي يضعها أشخاص ذوو مهارة فرقًا حقيقيًا في الدقة والسلامة.

صعود الأتمتة في وسم البيانات#

مع توسع نطاق الرؤية الحاسوبية ونمو مجموعات البيانات، أصبحت الأتمتة وسيلة شائعة لتسريع عملية الوسم. فبدلًا من وسم كل شيء يدويًا، تستخدم الفرق نماذج الذكاء الاصطناعي لإنتاج مسودة أولى من الوسوم.

ثم يراجع البشر النتائج، ويصححون الأخطاء، ويتعاملون مع الحالات التي لا يستطيع النموذج وسمها بثقة. ويسرّع هذا النهج عملية الوسم مع الحفاظ على جودتها العالية.

فيما يلي بعض الطرق التي تساعد بها الأتمتة عادةً في وسم البيانات:

• التجزئة التلقائية: يمكن للنماذج اقتراح مخططات الكائنات أو الأقنعة على مستوى البكسل تلقائيًا، مما يقلل مقدار التتبع اليدوي الذي يحتاج واضعو الوسوم إلى إجرائه.
• تتبع التدفق البصري: في ما يتعلق بمقاطع الفيديو، يمكن لأساليب التتبع متابعة كائن متحرك عبر الإطارات ونقل وسمه إلى الأمام، مما يساعد على الحفاظ على اتساق الوسوم بمرور الوقت.
• استيفاء الإطارات: يمكن للأدوات ملء الوسوم للإطارات الواقعة بين إطارين موسومين باستخدام إشارات الحركة والتتبع، بحيث لا يضطر واضعو الوسوم إلى وسم كل إطار على حدة.
• التعلم النشط: يمكن لخطوط تدريب النماذج تحديد الأمثلة التي يجدها النموذج غير مؤكدة أو غير مألوفة وإرسالها إلى البشر أولًا، بحيث يوجَّه الجهد اليدوي إلى البيانات التي تحسن الأداء بأكبر قدر.

لماذا يظل وسم البيانات بواسطة البشر بالغ الأهمية؟#

رغم أن الأتمتة قد تسرّع عملية الوسم، لا تزال نماذج الذكاء الاصطناعي بحاجة إلى الحكم البشري للحفاظ على دقتها وموثوقيتها.

فيما يلي بعض المجالات الرئيسية التي تُحدث فيها الخبرة البشرية تأثيرًا في وسم البيانات:

• فهم السياق: غالبًا ما تكون الصور ومقاطع الفيديو الواقعية معقدة. وقد تربك الظلال والانعكاسات وضبابية الحركة والكائنات المتداخلة الأدوات المؤتمتة. يستطيع واضعو الوسوم من البشر تفسير ما يحدث فعليًا، ولذلك تكون الوسوم أكثر دقة.
• الحفاظ على اتساق الوسوم: مع نمو مجموعات البيانات، قد تنحرف الوسوم المؤتمتة أو تختلف بين الدُفعات. ويمكن للبشر تدقيق الوسوم وتصحيحها ومواءمتها، بحيث تظل مجموعة البيانات متسقة من البداية إلى النهاية.
• الحد من التحيز والضرر: يتمتع البشر بقدرة أفضل على اكتشاف المحتوى الحساس والفروق الثقافية والأنماط التي قد تُدخل تحيزًا. وتساعد رقابتهم على جعل مجموعات البيانات أكثر إنصافًا وتجنب الضرر غير المقصود.
• تطبيق الخبرة المتخصصة: تحتاج بعض المهام إلى معرفة بالمجال، مثل تحديد الحالات الطبية غير الطبيعية أو العيوب الصناعية. ويمكن للخبراء توفير وسوم دقيقة وحسم الحالات الملتبسة، بحيث يتعلم النموذج التفاصيل الصحيحة.

نظرة عامة على وسم البيانات بمشاركة الإنسان#

تدمج أدوات ومنصات الوسم، مثل Roboflow، الأتمتة لتسريع عملية الوسم، وغالبًا ما تستخدم نماذج أساسية مثل نموذج تقسيم كل شيء 3 أو SAM3. ويُعد SAM3 نموذجًا أساسيًا للتجزئة قابلًا للتوجيه من Meta AI.

يمكنه اكتشاف الكائنات وتجزئتها وتتبعها في الصور ومقاطع الفيديو باستخدام مطالبات بسيطة، مثل النقرات أو مربعات الإحاطة أو العبارات النصية القصيرة، وإنتاج أقنعة تجزئة للكائنات المطابقة دون الحاجة إلى تدريب خاص بالمهمة لكل فئة جديدة.

حتى مع هذه الأساليب المتطورة، لا يزال الخبراء البشريون ضروريين لمراجعة الوسوم وإنهائها. وعندما تنتج الأدوات المؤتمتة مسودة أولى ويتحقق البشر منها ويصححونها وينقحونها، تُعرف سيرورة العمل باسم وسم البيانات بمشاركة الإنسان. ويحافظ ذلك على سرعة الوسم، مع ضمان دقة الوسوم النهائية واتساقها بالقدر الكافي لتدريب نماذج موثوقة.

الشكل 2. نظرة على وسم البيانات بمشاركة الإنسان. (المصدر)

متى تنجح أتمتة الوسم ومتى تفشل؟#

تعمل أتمتة الوسم بأفضل صورة مع البيانات القادمة من أماكن خاضعة للتحكم. فعادةً ما تتميز الصور الملتقطة في المصانع أو المستودعات أو ممرات متاجر التجزئة بإضاءة ثابتة ورؤية واضحة للكائنات، ولذلك تستطيع الأدوات المؤتمتة وسمها بدقة ومساعدة الفرق على التوسع بسرعة أكبر مع عمل يدوي أقل.

أما البيانات القادمة من أماكن أقل خضوعًا للتحكم فتكون أكثر تعقيدًا. إذ تتغير اللقطات الخارجية بتغير وقت اليوم والطقس، وغالبًا ما تتضمن المشاهد من الشوارع أو المنازل فوضى وضبابية حركة وكائنات تحجب بعضها بعضًا وتداخلًا كبيرًا. وتتيح الكائنات الصغيرة والحدود الدقيقة أو الحالات النادرة مجالًا أكبر للخطأ. وقد يظل نموذج يؤدي أداءً جيدًا على بيانات داخلية نظيفة يعاني مع المرئيات الفوضوية من العالم الحقيقي.

ولهذا يظل التدخل البشري مهمًا. إذ يمكن للأشخاص التدخل عندما يكون النموذج غير واثق، وتفسير السياق المعقد، وتصحيح الأخطاء قبل أن تصل إلى مجموعة البيانات النهائية. ويساعد وسم البيانات بمشاركة الإنسان الأتمتة على البقاء مرتبطة بظروف العالم الحقيقي، ويحافظ على موثوقية النماذج بعد نشرها.

أين يمكن أن يُحدث وسم البيانات بمشاركة الإنسان فرقًا؟#

بعد أن رأينا أين تعمل الأتمتة جيدًا وأين تقصر، لنستكشف بعض التطبيقات التي يؤدي فيها وسم البيانات بمشاركة الإنسان دورًا مهمًا.

اكتشاف العيوب في التصنيع#

لنتأمل حزامًا ناقلًا في مصنع تمر تحته مئات القطع أمام كاميرا كل دقيقة. تكون معظم العيوب واضحة، لكن يظهر أحيانًا صدع شعري بزاوية غريبة أو تحت وهج ضوء. قد يفوّت نظام مؤتمت هذا الصدع أو يوسمه على أنه نسيج سطحي غير ضار، لكن يستطيع مراجع بشري اكتشاف العيب وتصحيح الوسم والتأكد من أن النموذج يتعلم الفرق.

ذلك هو دور وسم البيانات بمشاركة الإنسان في الفحص الصناعي. يمكن للأتمتة أن تضع وسوم أولية لأنواع العيوب الشائعة وتعالج كميات كبيرة من الصور بسرعة، لكن لا يزال على البشر التحقق من النتائج، وتحسين الحدود، والتعامل مع حالات الإخفاق النادرة التي لا تظهر كثيرًا في التدريب.

المركبات ذاتية القيادة والنقل الذكي#

وبالمثل، تستخدم المركبات ذاتية القيادة الرؤية الحاسوبية لاكتشاف المشاة وقراءة اللافتات والتنقل في حركة المرور، لكن الطرق الحقيقية لا يمكن التنبؤ بها. فعلى سبيل المثال، قد يكون أحد المشاة الخارج من خلف سيارة متوقفة ليلًا محجوبًا جزئيًا ويصعب رؤيته تحت الوهج.

الشكل 3. مثال على استخدام الرؤية الحاسوبية لتحليل حركة المرور. (المصدر)

يمكن لواضعي الوسوم من البشر وسم هذه الحالات النادرة الحرجة للسلامة أثناء التدريب، بحيث تتعلم النماذج الاستجابة الصحيحة، ليس في الظروف العادية فحسب، بل في اللحظات الأهم أيضًا. وتُعد هذه الخطوة المتمثلة في وسم البيانات بمشاركة الإنسان أساسية لتعليم الأنظمة التعامل مع الأحداث منخفضة التكرار التي يصعب التقاطها بالأتمتة وحدها.

المستقبل أمام مجموعات البيانات الموسومة بواسطة البشر#

أصبح وسم البيانات بمشاركة الإنسان أكثر تعاونًا مع تقدم التقنية. ومن المثير للاهتمام أن نماذج الرؤية واللغة (VLMs)، التي تتعلم من الصور والنصوص معًا، تُستخدم الآن لإنشاء مسودة أولى من الوسوم واقتراح إصلاحات انطلاقًا من مطالبات بسيطة.

وبدلًا من فحص كل صورة يدويًا لتحديد ما ينبغي وسمه، يمكن لواضع الوسوم توجيه VLM بعبارة مثل «وسم جميع المشاة والسيارات وإشارات المرور» أو «جزّئ جميع العيوب في هذه القطعة»، والحصول على مجموعة مسودة من الوسوم لمراجعتها.

الشكل 4. يمكن للنماذج متعددة الوسائط الكبيرة العمل مع واضعي الوسوم من البشر (المصدر)

يقلل ذلك وقت الوسم لأن النموذج يستطيع معالجة العديد من الحالات المباشرة مسبقًا، مما يتيح للبشر التركيز على مراجعة النتائج وتصحيح الأمثلة المعقدة والحفاظ على اتساق مجموعة البيانات. كما بدأت النماذج متعددة الوسائط الكبيرة في توجيه واضعي الوسوم نحو العينات الأكثر غموضًا، مما يجعل الجهد البشري أكثر استهدافًا ويحسن جودة مجموعة البيانات عمومًا.

أهم النقاط المستخلصة#

تساعد الرؤية الحاسوبية الآلات على تفسير ما تراه والاستجابة له، لكنها تعمل بأفضل صورة عندما تكون الخبرة البشرية جزءًا من الحلقة. وتحافظ البيانات الموسومة بواسطة البشر على ارتباط النماذج بظروف العالم الحقيقي، وتحسن موثوقية أدائها. ومع العمل جنبًا إلى جنب بين الأتمتة والحكم البشري، تستطيع الفرق بناء أنظمة رؤية ذات تأثير.

انضم إلى مجتمعنا النشط واستكشف ابتكارات مثل الذكاء الاصطناعي في الخدمات اللوجستية وذكاء الرؤية الاصطناعي في الروبوتات. تفضل بزيارة مستودعنا على GitHub لاكتشاف المزيد. وللبدء باستخدام الرؤية الحاسوبية اليوم، اطّلع على خيارات الترخيص.