JSON

JSON، أو JavaScript Object Notation، هو تنسيق نصي خفيف الوزن يستخدم لتخزين البيانات ونقلها. تم تصميم JSON ليكون سهل القراءة والكتابة بالنسبة للبشر مع سهولة تحليلها وتوليدها على الآلات، وقد أصبح JSON المعيار الفعلي لتبادل البيانات في الحوسبة الحديثة. طبيعتها المستقلة عن اللغة تسمح لها العمل بسلاسة عبر بيئات البرمجة المختلفة، مما يجعلها تقنية تقنية أساسية ل لتطبيقات الويب وأنظمة وأنظمة الذكاء الاصطناعي المعقدة.

البنية الأساسية ل JSON

يتم تنظيم بيانات JSON في بنيتين أساسيتين تعكسان أنواع البيانات الشائعة الموجودة في معظم اللغات:

• الكائنات: وهي عبارة عن مجموعات غير مرتبة من أزواج القيمة الرئيسية محاطة بأقواس معقوفة {}. في سياق الذكاء الاصطناعي، قد يمثل الكائن البيانات الوصفية لصورة واحدة، حيث تكون المفاتيح عبارة عن سلاسل (على سبيل المثال، "اسم الملف", "العرض") والقيم هي البيانات المقابلة.
• المصفوفات (Arrays): هذه قوائم مرتبة من القيم الموضوعة بين قوسين مربعين []. تُستخدم المصفوفات بشكل متكرر في لتخزين قوائم التنبؤات، مثل مربع الإحاطة الإحداثيات المكتشفة داخل إطار واحد إطار واحد.

يتم تعريف بناء الجملة بواسطة معيار ECMA-404, لضمان الاتساق عبر المنصات المختلفة. للتعمق في مخططات بناء الجملة، توفر وثائق وثائق JSON.org الرسمية مرجعًا شاملًا.

التطبيقات في الذكاء الاصطناعي وتعلم الآلة

في سير عمل التعلم الآلي (ML) ، تعمل JSON كجسر حاسم بين المراحل المختلفة من خط الأنابيب، بدءًا من المعالجة المسبقة للبيانات المعالجة المسبقة للبيانات إلى النشر النهائي لنماذج النماذج. يسمح تعدد استخداماته بالتعامل مع البيانات المنظمة المطلوبة للتدريب والمخرجات الديناميكية التي يتم إنشاؤها أثناء الاستدلال.

شروح مجموعة البيانات التوضيحية

أحد الاستخدامات الأكثر شيوعًا ل JSON في في الرؤية الحاسوبية هو التعامل مع التعليقات التوضيحية للبيانات. تستخدم المعايير الشائعة، مثل مجموعة بياناتCOCO تستخدم بنية JSON محددة ل لتعيين الصور إلى التسميات المقابلة لها. يحتوي ملف التعليق التوضيحي النموذجي على معلومات حول الصور والفئات و والتعليقات التوضيحية، حيث يتضمن كل تعليق توضيحي معرّف الفئة وقناع التجزئة وإحداثيات المربع المحيط.

الاستدلال على النماذج وواجهات برمجة التطبيقات

عندما يتم نشر نموذج مُدرَّب في الإنتاج باستخدام تقنيات عرض الن ماذج، فإنه غالبًا ما يتواصل مع مكونات برمجية أخرى عبر واجهة برمجة تطبيقات REST API. على سبيل المثال، قد يقوم التطبيق إرسال صورة إلى خادم يقوم بتشغيل Ultralytics YOLO11. يعالج الخادم يعالج الخادم الصورة ويعيد نتائج فئات التنبؤات, ودرجات الثقة، وبيانات الموقع - بتنسيق JSON JSON. يتم استهلاك هذا الإخراج بسهولة بواسطة تطبيقات الواجهة الأمامية أو قواعد البيانات أو أو أنظمة التحكم في الروبوتات.

يوضح المثال التالي كيفية توليد مخرجات JSON من نتيجة استدلال باستخدام ultralytics حزمة Python :

from ultralytics import YOLO

# Load the YOLO11 model
model = YOLO("yolo11n.pt")

# Run inference on a sample image
results = model("https://ultralytics.com/images/bus.jpg")

# Convert the first result object to a JSON string
# This serializes detection data including boxes, classes, and confidence
print(results[0].tojson())

JSON مقابل تنسيقات البيانات ذات الصلة

على الرغم من انتشار JSON في كل مكان، إلا أنه من المهم تمييزه عن تنسيقات تسلسل البيانات الأخرى عن تنسيقات تسلسل البيانات الأخرى التي غالبًا ما تصادف في مشاريع تعلّم الآلة.

• YAML (YAML ليست لغة ترميز YAML): تم تصميم YAML لتكون قابلة للقراءة البشرية إلى أقصى حد وتدعم التعليقات، مما يجعلها الخيار المفضل لملفات لملفات التكوين. في نظام Ultralytics البيئي، يتم استخدام YAML لتحديد مسارات مجموعة البيانات و وضبط المعلمات الفائقة، في حين أن JSON هو مفضلة لتبادل البيانات واستجابات واجهة برمجة التطبيقات نظرًا لصياغتها الصارمة وتحليلها الأسرع.
• XML (لغة ترميز قابلة للتكيف): يستخدم XML بنية قائمة على العلامات مشابهة لـ HTML. في حين أنها قوية وتدعم المخططات المعقدة، إلا أنها أكثر إسهابًا بكثير من JSON. في خطوط أنابيب الحديثة للتعلم العميق، يتم استبدال XML إلى حد كبير يتم استبداله ب JSON، على الرغم من استمراره في الأنظمة القديمة وتنسيقات محددة مثل باسكال VOC ل للكشف عن الكائنات.

الملاءمة في مكدسات الذكاء الاصطناعي الحديثة

يمتد اعتماد JSON في الذكاء الاصطناعي إلى مكتبات تتجاوز الرؤية. تسمح أطر عمل مثل TensorFlow.js بحفظ النماذج وتحميلها مباشرةً كملفات JSON, مما يتيح التعلم الآلي القائم على المتصفح. بالإضافة إلى ذلك، قواعد بيانات NoSQL مثل MongoDB، التي تخزن البيانات في مستندات تشبه JSON، تُستخدم بشكل متزايد في إدارة بحيرات البيانات الضخمة غير المهيكلة المطلوبة ل نماذج الأساس التدريبية.

من خلال توفير صيغة موحدة وخفيفة الوزن وقابلة للقراءة، تبسّط JSON تعقيدات نشر النماذج ويضمن قابلية التشغيل البيني بين الأدوات المتنوعة التي تشكل النظام البيئي الحديث للذكاء الاصطناعي. بالنسبة للمطورين المهتمين بتحليل JSON داخل بيئات الويب فإن شبكة مطوري موزيلا (MDN) دروسًا تعليمية ووثائق شاملة.