فهم أهمية التوسيم بإشراف بشري

قبل عشرين عامًا، لو قال أحدهم إنه يفكر في اقتناء روبوت للمساعدة في الأعمال المنزلية، لبدت الفكرة بعيدة المنال. لكننا نعيش طفرة الذكاء الاصطناعي، وتُختبر الروبوتات الآن 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 الأحدث على مجموعات بيانات تتألف من بيانات مرئية وتعليقات توضيحية.

تساعد هذه التعليقات التوضيحية النموذج على فهم البيانات المرئية. فعلى سبيل المثال، تستخدم مجموعات بيانات اكتشاف الأجسام مربعات إحاطة لرسم مستطيلات حول الأجسام موضع الاهتمام. وهذا يمكّن النموذج من اكتشاف تلك الأجسام وتحديد مواقعها في صور جديدة، حتى عندما يكون المشهد مزدحمًا أو يكون الجسم محجوبًا جزئيًا.

تعتمد مهام الرؤية الحاسوبية الأخرى على أنواع مختلفة من التعليقات التوضيحية. فتحدد مجموعات بيانات التقسيم المحيط الدقيق للجسم على مستوى البكسل، بينما تحدد مجموعات بيانات النقاط المفتاحية معالم معينة، مثل مفاصل جسم الإنسان.

لكن العامل الحاسم في جميع هذه التنسيقات هو جودة التسميات واتساقها. فالنماذج تتعلم مباشرةً من البيانات التي تُدرَّب عليها، لذا إذا كانت التسميات غير متسقة أو خاطئة، فغالبًا ما ينقل النموذج هذه الأخطاء إلى تنبؤاته.

حتى مع الأتمتة، تظل مجموعات البيانات التي يعلّق عليها البشر ضرورية، ولا سيما في المجالات عالية المخاطر مثل التصوير الطبي. فأخطاء التوسيم الصغيرة، مثل عدم دقة حدود الورم أو إغفال حالة غير طبيعية، قد تعلّم النموذج نمطًا خاطئًا وتؤدي لاحقًا إلى تنبؤات غير آمنة. ويوفر الخبراء البشريون الحقيقة المرجعية الدقيقة والحكم المهني اللذين تتطلبهما هذه التطبيقات.

الشكل 1. ثمة حاجة إلى مجموعات بيانات يعلّق عليها البشر. الصورة من المؤلف.

في هذه المقالة، سنلقي نظرة أقرب على أهمية البيانات التي يعلّق عليها البشر، حتى مع استمرار تقدم الذكاء الاصطناعي.

الحاجة إلى التعليق التوضيحي على الصور ومقاطع الفيديو#

تتعلم نماذج الرؤية الحاسوبية بطريقة تشبه تعلمنا، أي من خلال مشاهدة أمثلة كثيرة. لكن الفرق أنها تتعلم بالتدريب على مجموعات كبيرة من الصور ومقاطع الفيديو التي يوسمها البشر مسبقًا. وتعمل هذه التسميات بوصفها حقيقة مرجعية، فتعلم النموذج أمورًا مثل أن هذا أحد المشاة، وأن هذا محيط ورم، أو أن ذلك الجسم سيارة.

نادراً ما تكون الصور الواقعية واضحة أو متسقة. فقد تتغير الإضاءة وتجعل الجسم نفسه يبدو مختلفاً. وقد تتداخل الأشخاص والمركبات أو تُحجب جزئياً. كما قد تكون الخلفيات مزدحمة ومشتتة للانتباه. عندما تتضمن مجموعات البيانات تسميات دقيقة ومتسقة لهذه الحالات، تكون النماذج أكثر استعداداً بكثير لما ستواجهه خارج البيئات المضبوطة.

لا يقتصر شرح البيانات على رسم المربعات أو تتبّع الحدود. فهو يتضمن تطبيق الإرشادات واتخاذ قرارات عملية بشأن ما يُعدّ جسماً، وأين ينبغي أن يكون حدّه، وكيفية التعامل مع الحالات غير الواضحة. ويساعد هذا الحكم البشري على إبقاء البيانات دقيقة وقابلة للاستخدام.

في نهاية المطاف، لا يتجاوز أداء نظام الرؤية الحاسوبية جودة البيانات المصنّفة التي يتعلم منها. ففي التطبيقات ذات الأثر الكبير، مثل اكتشاف السرطان في صور الفحوص أو رصد مخاطر الطريق للسيارات ذاتية القيادة، تُحدث التسميات الدقيقة التي يضعها أشخاص مهرة فرقاً حقيقياً في الدقة والسلامة.

صعود الأتمتة في شرح البيانات#

مع توسع نطاق الرؤية الحاسوبية ونمو مجموعات البيانات، أصبحت الأتمتة وسيلة شائعة لتسريع التعليق التوضيحي. فبدلًا من وضع تسميات لكل شيء يدويًا، تستخدم الفرق نماذج الذكاء الاصطناعي لإنتاج مسودة أولية للتسميات.

ثم يراجع الأشخاص النتائج ويصححون الأخطاء ويتولون الحالات التي لا يستطيع النموذج تصنيفها بثقة. ويسرّع هذا النهج عملية الشرح مع الحفاظ على جودتها.

إليك بعض الطرق التي تساعد بها الأتمتة عادةً في شرح البيانات:

• التجزئة التلقائية: تستطيع النماذج اقتراح حدود الكائنات أو الأقنعة على مستوى البكسل تلقائيًا، مما يقلل مقدار التحديد اليدوي الذي يحتاج المعلّقون إلى إجرائه.
• التتبّع بالتدفق البصري: في مقاطع الفيديو، تستطيع أساليب التتبّع متابعة جسم متحرك عبر الإطارات ونقل تسميته إلى الإطارات اللاحقة، ما يساعد على اتساق التعليقات التوضيحية بمرور الوقت.
• استيفاء الإطارات: تستطيع الأدوات استكمال التسميات للإطارات الواقعة بين إطارين مصنّفين باستخدام مؤشرات الحركة والتتبّع، كي لا يضطر المعلّقون إلى تصنيف كل إطار على حدة.
• التعلّم النشط: تستطيع مسارات التدريب تحديد الأمثلة التي يجدها النموذج غير مؤكدة أو غير مألوفة وإرسالها إلى الأشخاص أولاً، لتوجيه الجهد اليدوي إلى البيانات الأكثر إسهاماً في تحسين الأداء.

لماذا لا يزال شرح البيانات البشري بالغ الأهمية#

رغم أن الأتمتة قد تسرّع التصنيف، لا تزال نماذج الذكاء الاصطناعي بحاجة إلى الحكم البشري للحفاظ على الدقة والموثوقية.

إليك بعض المجالات الرئيسية التي تُحدث فيها الخبرة البشرية فرقاً في شرح البيانات:

• فهم السياق: غالباً ما تكون الصور ومقاطع الفيديو الواقعية معقدة. وقد تربك الظلال والانعكاسات وضبابية الحركة والأجسام المتداخلة الأدوات المؤتمتة. يستطيع المعلّقون البشر تفسير ما يحدث فعلياً، فتكون التسميات أدق.
• الحفاظ على اتساق التسميات: مع نمو مجموعات البيانات، قد تنحرف التسميات المؤتمتة أو تختلف من دفعة إلى أخرى. يستطيع الأشخاص تدقيق التسميات وتصحيحها ومواءمتها كي تظل مجموعة البيانات متسقة من البداية إلى النهاية.
• الحد من التحيز والضرر: يجيد الأشخاص رصد المحتوى الحساس والفروق الثقافية الدقيقة والأنماط التي قد تُدخل التحيز. وتساعد رقابتهم على جعل مجموعات البيانات أكثر إنصافاً وتجنب الضرر غير المقصود.
• توظيف الخبرة التخصصية: تتطلب بعض المهام معرفة بالمجال، مثل تحديد الحالات الطبية غير الطبيعية أو العيوب الصناعية. يستطيع الخبراء وضع تسميات دقيقة وحسم الحالات الملتبسة كي يتعلم النموذج التفاصيل الصحيحة.

نظرة عامة على الشرح بمشاركة الإنسان#

تدمج أدوات ومنصات التعليق التوضيحي مثل Roboflow الأتمتة لتسريع وضع التسميات، وغالبًا ما تستخدم نماذج تأسيسية مثل نموذج التقسيم الشامل 3، أو SAM 3. ويُعد SAM 3 نموذج Meta AI التأسيسي للتجزئة القابل للتوجيه بالمطالبات.

يستطيع اكتشاف الأجسام وتقسيمها وتتبعها في الصور ومقاطع الفيديو باستخدام توجيهات بسيطة، مثل النقرات أو مربعات الإحاطة أو العبارات النصية القصيرة، وينتج أقنعة تقسيم للأجسام المطابقة من دون الحاجة إلى تدريب مخصص لكل فئة جديدة.

حتى مع هذه الأساليب المتقدمة، تظل الحاجة قائمة إلى خبراء بشريين لمراجعة التعليقات التوضيحية واعتمادها نهائيًا. عندما تنتج الأدوات الآلية مسودة أولية، ثم يتحقق منها البشر ويصححونها وينقحونها، يُعرف سير العمل باسم التعليق التوضيحي بوجود الإنسان ضمن الحلقة. ويحافظ ذلك على سرعة التعليق التوضيحي، مع ضمان دقة التسميات النهائية واتساقها بما يكفي لتدريب نماذج موثوقة.

الشكل 2. نظرة على الشرح بمشاركة الإنسان. (المصدر)

متى تنجح أتمتة الشرح ومتى لا تنجح#

تعمل أتمتة الشرح بأفضل صورة مع البيانات التي تُجمع في أماكن مضبوطة. فعادةً ما تتميز الصور الملتقطة في المصانع أو المستودعات أو ممرات متاجر البيع بالتجزئة بإضاءة ثابتة ورؤية واضحة للأجسام، ما يتيح للأدوات المؤتمتة تصنيفها بدقة ومساعدة الفرق على التوسع بسرعة أكبر وبعمل يدوي أقل.

تكون البيانات الواردة من أماكن أقل ضبطاً أكثر تعقيداً. فالمشاهد الخارجية تتغير بحسب وقت اليوم والطقس، وغالباً ما تتضمن مشاهد الشوارع أو المنازل فوضى وضبابية حركة وأجساماً تحجب بعضها بعضاً وتداخلاً كبيراً. كما تزيد الأجسام الصغيرة والحدود الدقيقة والحالات النادرة من احتمالات الخطأ. وقد يظل النموذج الذي يحقق أداءً جيداً على بيانات داخلية واضحة عاجزاً عن التعامل مع الصور الواقعية المعقدة.

لهذا السبب تظل مساهمة الإنسان مهمة. إذ يستطيع الأشخاص التدخل عندما يكون النموذج غير واثق، وتفسير السياق الملتبس، وتصحيح الأخطاء قبل أن تصل إلى مجموعة البيانات النهائية. ويساعد الشرح بمشاركة الإنسان على إبقاء الأتمتة متوافقة مع ظروف العالم الحقيقي، وعلى موثوقية النماذج بعد نشرها.

أين يمكن للشرح بمشاركة الإنسان أن يُحدث فرقاً؟#

بعد أن استعرضنا المواضع التي تنجح فيها الأتمتة والمواضع التي تقصر فيها، لنستكشف بعض التطبيقات التي يؤدي فيها الشرح بمشاركة الإنسان دوراً مهماً.

اكتشاف العيوب في التصنيع#

تخيّل سير ناقل في مصنع تمر فوقه مئات القطع أمام كاميرا كل دقيقة. تكون معظم العيوب واضحة، لكن قد يظهر أحياناً شرخ دقيق بزاوية غير مألوفة أو تحت وهج ضوء. قد لا يلاحظه نظام مؤتمت أو قد يصنّفه على أنه نسيج سطحي غير ضار، بينما يستطيع مراجع بشري اكتشاف العيب وتصحيح التعليق التوضيحي والتأكد من أن النموذج يتعلم التمييز بينهما.

هذا هو دور الشرح بمشاركة الإنسان في الفحص الصناعي. تستطيع الأتمتة وضع تسميات أولية لأنواع العيوب الشائعة ومعالجة كميات كبيرة من الصور بسرعة، لكن لا يزال على الأشخاص التحقق من النتائج وضبط الحدود والتعامل مع حالات الإخفاق النادرة التي لا تظهر كثيراً في بيانات التدريب.

المركبات ذاتية القيادة والنقل الذكي#

وبالمثل، تستخدم المركبات ذاتية القيادة الرؤية الحاسوبية لرصد المشاة وقراءة اللافتات والتنقل في حركة المرور، لكن الطرق الواقعية لا يمكن التنبؤ بها. فمثلاً، قد يكون من الصعب رؤية أحد المشاة وهو يخرج ليلاً من خلف سيارة متوقفة، إذ قد يكون محجوباً جزئياً ومتوارياً تحت الوهج.

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

يستطيع المعلّقون البشر تصنيف هذه الحالات النادرة والحساسة للسلامة أثناء التدريب، كي تتعلم النماذج الاستجابة الصحيحة، لا في الظروف العادية فحسب، بل في اللحظات الأهم أيضاً. وتُعد هذه الخطوة، التي يشارك فيها الإنسان، أساسية لتعليم الأنظمة التعامل مع الأحداث قليلة التكرار التي يصعب التقاطها بالأتمتة وحدها.

آفاق مجموعات البيانات التي يصنّفها البشر#

أصبح الشرح بمشاركة الإنسان أكثر تعاوناً مع تقدم التكنولوجيا. ومن اللافت أن نماذج الرؤية واللغة (VLMs)، التي تتعلم من الصور والنصوص معاً، تُستخدم الآن لإنشاء مسودة أولية من التسميات واقتراح تصحيحات استناداً إلى توجيهات بسيطة.

لذا، بدلًا من فحص كل صورة يدويًا لتحديد ما ينبغي وضع تسميات له، يستطيع مسؤول وضع التسميات توجيه مطالبة إلى نموذج VLM بعبارة مثل «ضع تسميات لجميع المشاة والسيارات وإشارات المرور» أو «قسّم جميع العيوب في هذا الجزء»، ثم الحصول على مجموعة أولية من التسميات لمراجعتها. على Ultralytics Platform، تستطيع الفرق وضع تسميات تلقائية لمجموعات بيانات الكشف باستخدام نماذج الرؤية واللغة، وتقارن لوحة صدارة VLM مدى دقة كل نموذج في وضع التسميات للصور الواقعية.

الشكل 4. تستطيع النماذج متعددة الوسائط الكبيرة العمل مع المعلّقين البشر (المصدر)

يقلل ذلك زمن الشرح لأن النموذج يستطيع معالجة العديد من الحالات المباشرة مسبقاً، ما يتيح للأشخاص التركيز على مراجعة النتائج وتصحيح الأمثلة الملتبسة والحفاظ على اتساق مجموعة البيانات. كما بدأت النماذج متعددة الوسائط الكبيرة في توجيه المعلّقين نحو العينات الأكثر غموضاً، ما يجعل الجهد البشري أكثر تركيزاً ويحسن الجودة الإجمالية لمجموعة البيانات.

أبرز النقاط#

تساعد الرؤية الحاسوبية الآلات على تفسير ما تراه والاستجابة له، لكنها تعمل بأفضل صورة عندما تشارك الخبرة البشرية في سير العمل. وتحافظ البيانات التي يصنّفها البشر على ارتباط النماذج بظروف العالم الحقيقي وتحسّن موثوقية أدائها. وعندما تعمل الأتمتة والحكم البشري جنباً إلى جنب، تستطيع الفرق بناء أنظمة رؤية ذات أثر ملموس.

انضم إلى مجتمعنا النشط واستكشف ابتكارات مثل الذكاء الاصطناعي في الخدمات اللوجستية والذكاء الاصطناعي القائم على الرؤية في الروبوتات. زر مستودعنا على GitHub لاكتشاف المزيد. وللبدء اليوم في مجال الرؤية الحاسوبية، اطّلع على خيارات الترخيص.