ترخيص YOLO
العودة إلى مسرد Ultralytics

World Model

نموذج العالم هو نظام ذكاء اصطناعي يتعلم تطور بيئته وكيف تغيّر الأفعال تلك البيئة، ما يمكّن الوكلاء من تخيّل النتائج والتخطيط قبل التصرف.

نموذج العالم هو نموذج متعلّم لكيفية تغير البيئة بمرور الوقت واستجابةً للأفعال. وانطلاقًا من الحالة الحالية أو سجل الملاحظات، إلى جانب فعلٍ ما، يتنبأ بما سيحدث لاحقًا: بالملاحظة التالية أو بحالة داخلية مضغوطة أو بمكافأة أو بسلسلة من الخطوات المستقبلية. يستطيع الوكيل الذي يستخدم نموذج عالم تخيل نتائج الأفعال قبل تنفيذها، والتخطيط عبر مقارنة المستقبلات المتخيلة، والتعلم من التجربة المحاكاة بدلًا من الاقتصار على المحاولة والخطأ في الواقع. تعود الفكرة إلى التحكم القائم على النموذج والتعلم المعزز، وقد نشر بحث World Models لعام 2018 الذي أعدّه David Ha وJürgen Schmidhuber هذا المصطلح للدلالة على الشبكات العصبية التي تتعلم محاكيًا مضغوطًا للعبة من وحدات البكسل وتدرّب سياسةً داخل «حلمها». ويشمل المصطلح اليوم نماذج الديناميكيات الداخلية لوكلاء مثل Dreamer وMuZero، ومولدات الفيديو التفاعلية مثل Genie 3 من Google DeepMind، والنماذج التأسيسية للعالم التي تولّد فيديو لتدريب الذكاء الاصطناعي المادي.

آلية عمل نماذج العالم#

يتألف نموذج العالم عادةً من ثلاثة أجزاء. يضغط المشفّر كل ملاحظة عالية الأبعاد، مثل إطار كاميرا، إلى حالة كامنة صغيرة. ويتنبأ نموذج الديناميكيات بالحالة الكامنة التالية انطلاقًا من الحالية ومن فعلٍ ما، وغالبًا ما يتنبأ بالمكافأة وما إذا كانت الحلقة قد انتهت أيضًا. أما مفكك الترميز الاختياري، فيحوّل الحالات الكامنة مجددًا إلى صور لأغراض التدريب أو لعرض ما يتخيله النموذج. بنى Ha وSchmidhuber هذه الأجزاء من مشفّر تلقائي تبايني، وشبكة تكرارية تتنبأ بالحالة الكامنة التالية، ومتحكم خطي صغير دُرّب على الحالات الكامنة.

يستخدم الوكيل النموذج بطريقتين. في التخطيط، يمرر تسلسلات الأفعال المرشحة عبر النموذج، ويقيّم النتائج المتخيلة، ثم ينفذ أفضلها، كما في التحكم التنبؤي بالنموذج أو البحث الشجري في MuZero. يتعلم هذا الرمز المكتوب بـPyTorch نموذج عالم لعربة بسيطة انطلاقًا من انتقالات عشوائية، ثم يخطط في المخيلة لسلسلة دفع من 20 خطوة:

import torch
from torch import nn

torch.manual_seed(0)
# The real environment, unknown to the agent: a cart's [position, velocity] responds to a push in [-1, 1]
A, B = torch.tensor([[1.0, 0.9], [0.0, 0.9]]), torch.tensor([0.1, 0.1])

# Learn a world model that predicts how (state, action) changes the state, from 5,000 random transitions
states, actions = torch.rand(5000, 2) * 4 - 2, torch.rand(5000, 1) * 2 - 1
change = states @ A.T + actions * B - states
model = nn.Sequential(nn.Linear(3, 64), nn.ReLU(), nn.Linear(64, 2))
optimizer = torch.optim.Adam(model.parameters(), lr=1e-2)
for step in range(2000):
    loss = ((model(torch.cat([states, actions], dim=1)) - change) ** 2).mean()
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

# Plan by imagination: roll 1,000 random 20-step plans through the model; also run them for real to compare
plans = torch.rand(1000, 20, 1) * 2 - 1
imagined, real = torch.zeros(1000, 2), torch.zeros(1000, 2)
for k in range(20):
    imagined = imagined + model(torch.cat([imagined, plans[:, k]], dim=1)).detach()
    real = real @ A.T + plans[:, k] * B
best = (imagined[:, 0] - 3).abs().argmin()  # plan whose imagined final position is closest to 3
print(f"chosen plan: imagined final position {imagined[best, 0]:.2f}, real final position {real[best, 0]:.2f}")

يطبع chosen plan: imagined final position 3.00, real final position 2.93. اختار الوكيل خطته دون لمس العربة الحقيقية، والفارق البالغ 0.07 هو خطأ النموذج المتراكم عبر 20 خطوة متخيلة. وتتضاعف الأخطاء الصغيرة عبر عمليات المحاكاة الطويلة، ولهذا تعيد المخطِّطات العملية التخطيط بعد كل خطوة وتحافظ على آفاق تخيل قصيرة.

في التعلم بالتخيل، يدرّب الوكيل سياسته على مسارات يُنشئها النموذج. يتناوب DreamerV3، المنشور في Nature عام 2025، بين جمع الخبرة الحقيقية وتحسين نموذج العالم وتدريب الممثل والناقد اعتمادًا بالكامل على المسارات المتخيلة:

باستخدام مجموعة واحدة من المعلمات الفائقة، تفوق DreamerV3 على أساليب متخصصة عبر أكثر من 150 مهمة، وأصبح أول خوارزمية تجمع الألماس في Minecraft من الصفر دون بيانات بشرية أو مناهج تدريبية.

أنواع نماذج العالم#

  • نماذج ديناميكيات الوكلاء: يتنبأ Dreamer بالحالات الكامنة المستقبلية والمكافآت ونهايات الحلقات. ولا يتنبأ MuZero إلا بما يحتاج إليه التخطيط: المكافأة والسياسة والقيمة، وباستخدام بحث شجرة مونت كارلو، عادل AlphaZero في Go والشطرنج والشوغي من دون تزويده بالقواعد.
  • نماذج الفيديو التفاعلي: تعلّم Genie، وهو نموذج يضم 11 مليار معلمة ودُرّب على فيديوهات إنترنت غير موسومة لألعاب منصات ثنائية الأبعاد، أفعالًا كامنة خاصة به، ويحوّل صورة أو صورة فوتوغرافية أو رسمًا واحدًا إلى عالم ألعاب قابل للتحكم. وينشئ Genie 3 عوالم يتنقل فيها المستخدمون في الوقت الفعلي بمعدل 24 إطارًا في الثانية ودقة 720p، مع الحفاظ على اتساقها لبضع دقائق.
  • النماذج التأسيسية للعالم: يوفر Cosmos من NVIDIA نماذج بأوزان مفتوحة تتنبأ بالفيديو المستقبلي انطلاقًا من النصوص أو الصور أو الإطارات السابقة، وهي مخصصة للتدريب اللاحق على روبوتات ومركبات محددة.
  • نماذج التضمين التنبؤية: تتنبأ بنية التضمين المشترك التنبؤية (JEPA) بتمثيل المحتوى المستقبلي أو المفقود بدلًا من وحدات البكسل، لذا لا يهدر النموذج سعته على تفاصيل لا يمكن التنبؤ بها، مثل النمط الدقيق لحركة أوراق الشجر.

تمثل نماذج العالم المتمحورة حول الكائنات المشهد على هيئة مجموعة من الكائنات، وتتنبأ بحركة كل منها. ويحوّل Ultralytics YOLO26 في وضع التتبع الفيديو إلى هذا النوع من الحالات: مربعات لكل كائن، مترابطة عبر الإطارات باستخدام معرّفات دائمة.

  • توليد الفيديو: يُنتج مولّد الفيديو مقطعًا معقولًا انطلاقًا من مطالبة. أما نموذج العالم فيتنبأ بعواقب الأفعال، لذا يجب أن يستجيب على نحو صحيح عند تغيير الفعل. وصفت OpenAI مولّدات الفيديو بأنها محاكيات محتملة للعالم، وتقع نماذج مثل Genie 3 التي تستقبل تحكمات المستخدم إطارًا بإطار بين المجالين.
  • التعلم المعزز الخالي من النماذج: تتعلم الوكلاء الخالية من النماذج سياسةً أو دالة قيمة مباشرةً من الخبرة الواقعية، من دون التنبؤ بكيفية تغيّر البيئة. أما الوكلاء القائمة على النماذج فتتعلم نموذجًا للعالم وتعيد استخدامه للتخطيط أو لتوليد خبرات تدريبية، ما يتطلب عادةً عددًا أقل بكثير من التفاعلات الواقعية.
  • المحاكيات والتوائم الرقمية: يبني المهندسون محركات الفيزياء والتوائم الرقمية انطلاقًا من المعادلات ونماذج CAD والمعلمات المقيسة. أما نموذج العالم فيُتعلّم من البيانات، لذا يمكنه التقاط تأثيرات يصعب صياغتها كمعادلات، مثل طريقة انطواء القماش أو تفاعل المشاة مع حركة المرور.
  • النماذج اللغوية الكبيرة: يتنبأ النموذج اللغوي برمز النص التالي. أما نموذج العالم، فيتنبأ بالحالة التالية للبيئة، عادةً انطلاقًا من الفيديو وبيانات المستشعرات والأفعال.

تطبيقات عملية#

  • القيادة الذاتية: يولّد GAIA-1 من Wayve فيديو للقيادة اعتمادًا على الفيديو السابق والنص وأفعال المركبة التي يتحكم بها النظام. أما نموذج العالم من Waymo، المبني على Genie 3 والمعلن عنه في فبراير 2026، فيولّد بيانات الكاميرا والليدار لمحاكاة مواقف لم يسجلها الأسطول من قبل، مثل إعصار أو فيل على الطريق.
  • الألعاب والوسائط التفاعلية: تحوّل نماذج الفيديو التفاعلي مطالبة نصية أو صورة إلى عالم قابل للاستكشاف يستجيب لإدخال لوحة المفاتيح.
  • الروبوتات: دُرّب V-JEPA 2 من Meta مسبقًا على أكثر من مليون ساعة من فيديوهات الإنترنت. ودُرّبت نسخته المشروطة بالأفعال، V-JEPA 2-AC، لاحقًا على أقل من 62 ساعة من فيديوهات الروبوتات غير الموسومة، ثم التقطت أجسامًا ووضعتها باستخدام أذرع Franka في مختبرين جديدين، عبر التخطيط نحو صور الهدف، من دون جمع بيانات من تلك الروبوتات أو البيئات.

استكشف الحلول

الرؤية الحاسوبية في الرياضة

الرؤية الحاسوبية في الرياضة

اكتشف كيف يعزّز Ultralytics YOLO الرؤية الحاسوبية الرياضية عبر تتبّع اللاعبين والكرة، وتحليلات الأداء، ورؤى التدريب، وإعادة تأهيل الرياضيين.
معرفة المزيد
الرؤية الحاسوبية للصور الجوية

الرؤية الحاسوبية للصور الجوية

حوّل صور الطائرات المسيّرة والصور الجوية إلى رؤى آنية للزراعة وتربية الأحياء المائية والحفاظ على البيئة والتحليل الجغرافي المكاني باستخدام Ultralytics YOLO.
معرفة المزيد
الرؤية الحاسوبية في قطاع الطيران والفضاء

الرؤية الحاسوبية في قطاع الطيران والفضاء

طبّق الرؤية الحاسوبية في مجال الطيران والفضاء باستخدام Ultralytics YOLO لفحص الطائرات، واكتشاف الأجسام الغريبة على المدارج (FOD)، والعمليات الأرضية في المطارات، واكتشاف عيوب المواد المركّبة.
معرفة المزيد
الرؤية الحاسوبية في مجال الأمن

الرؤية الحاسوبية في مجال الأمن

احمِ كل موقع باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري مراقبة المحيط، واكتشاف التهديدات، والتعرف على لوحات المركبات، والسلامة في مكان العمل.
معرفة المزيد
الرؤية الحاسوبية في الروبوتات

الرؤية الحاسوبية في الروبوتات

عزّز أداء الآلات الذكية باستخدام نماذج Ultralytics YOLO. يدعم الذكاء الاصطناعي البصري في الروبوتات الملاحة الذاتية والإدراك وتعقب الأجسام والتحكم الآني.
معرفة المزيد
الرؤية الحاسوبية في الخدمات اللوجستية

الرؤية الحاسوبية في الخدمات اللوجستية

بسّط العمليات اللوجستية باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري فحص الطرود وفرزها وتتبع المركبات ومراقبة سلامة المستودعات في الوقت الفعلي.
معرفة المزيد
الرؤية الحاسوبية في تجارة التجزئة

الرؤية الحاسوبية في تجارة التجزئة

أعِد تصور تجارة التجزئة باستخدام نماذج Ultralytics YOLO. يتيح الذكاء الاصطناعي البصري تتبع المخزون ومراقبة الرفوف وإدارة الطوابير واستخلاص رؤى أذكى عن العملاء.
معرفة المزيد
الرؤية الحاسوبية في الرعاية الصحية

الرؤية الحاسوبية في الرعاية الصحية

أنشئ حلولًا للرعاية الصحية باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي البصري في الرعاية الصحية سرعة التصوير الطبي، وكفاءة التشخيص، ومراقبة المرضى.
معرفة المزيد
الرؤية الحاسوبية في التصنيع

الرؤية الحاسوبية في التصنيع

حسّن التصنيع باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية مراقبة الجودة واكتشاف العيوب والالتزام بمعدات الوقاية الشخصية وأتمتة خطوط التجميع.
معرفة المزيد
الرؤية الحاسوبية في قطاع السيارات

الرؤية الحاسوبية في قطاع السيارات

طبّق الرؤية الحاسوبية في قطاع السيارات باستخدام نماذج Ultralytics YOLO. يعزز الذكاء الاصطناعي للرؤية سلامة الطرق ومساعدة السائق وأتمتة المركبات لإنشاء طرق أكثر ذكاءً.
معرفة المزيد
الرؤية الحاسوبية في الزراعة

الرؤية الحاسوبية في الزراعة

أدخل الذكاء الاصطناعي البصري إلى الزراعة الذكية باستخدام نماذج Ultralytics YOLO. عزّز مراقبة المحاصيل وتتبع الماشية والزراعة الدقيقة لزيادة الإنتاجية وتحسينها.
معرفة المزيد

لنبنِ مستقبل الذكاء الاصطناعي معًا!

ابدأ رحلتك نحو مستقبل تعلّم الآلة