XML

لغة الترميز القابلة للامتداد، والتي يُشار إليها عادةً باسم XML، هي تنسيق مرن يعتمد على النص ومصمم لتخزين البيانات المنظمة ونقلها وتنظيمها. على عكس HTML، الذي يركز على كيفية عرض المعلومات على صفحة الويب، تكرس XML نفسها لوصف ما تمثله البيانات من خلال هيكل هرمي من الوسوم المخصصة. هذا التنوع يجعلها معياراً أساسياً لتبادل البيانات عبر أنظمة الحوسبة المتنوعة والإنترنت. في سياق تعلم الآلة (ML)، تلعب XML دوراً حاسماً في إدارة مجموعات البيانات وملفات التكوين، مما يضمن بقاء المعلومات المعقدة قابلة للقراءة لكل من البشر والآلات مع الالتزام بمعايير التحقق الصارمة التي حددها اتحاد شبكة الويب العالمية (W3C).

Link to this sectionدور XML في الذكاء الاصطناعي#

ضمن المجال سريع التطور لـ الذكاء الاصطناعي (AI)، تعمل البيانات المنظمة كوقود للخوارزميات المتطورة. توفر XML إطار عمل قوياً لـ توسيم البيانات، مما يسمح للمهندسين بتغليف الوسائط الخام - مثل الصور أو النصوص - ببيانات وصفية غنية وتفصيلية. يعد هذا النهج المنظم ضرورياً لـ التعلم الخاضع للإشراف، حيث تتطلب النماذج أمثلة مصنفة بوضوح لتحديد الأنماط والسمات.

بينما تستخدم سير العمل الحديثة غالباً منصة Ultralytics للتوسيم والتدريب السلس المستند إلى السحابة، تظل XML متجذرة بعمق في الأنظمة القديمة ومجموعات بيانات أكاديمية محددة. يضمن تركيبها الصارم سلامة البيانات، مما يجعلها خياراً مفضلاً لتكامل المؤسسات ومهام الرؤية الحاسوبية المعقدة حيث يكون التحقق أمراً بالغ الأهمية.

Link to this sectionتطبيقات العالم الحقيقي في AI/ML#

تعد XML مفيدة في العديد من التطبيقات العملية، خاصة حيث تكون توحيد البيانات وقابليتها للنقل والبيانات الوصفية التفصيلية متطلبات حاسمة.

• مجموعات بيانات اكتشاف الكائنات (PASCAL VOC): أحد أكثر استخدامات XML ديمومة في الرؤية الحاسوبية هو تنسيق PASCAL Visual Object Classes (VOC). في هذا المعيار، تقترن كل صورة في مجموعة البيانات بملف XML يحتوي على تفاصيل التعليقات التوضيحية. تُحدد هذه الملفات إحداثيات مربع الإحاطة (xmin, ymin, xmax, ymax) وتسميات الفئات لكل كائن. يمكن لنماذج متطورة مثل YOLO26 معالجة هذه التعليقات التوضيحية (غالباً بعد التحويل) لتعلم كيفية تحديد مواقع الكائنات، وهي عملية أساسية في اكتشاف الكائنات.
• التصوير الطبي والرعاية الصحية: في المجال المتخصص لـ الذكاء الاصطناعي في الرعاية الصحية، تعد قابلية التشغيل البيني أمراً حيوياً. معيار التصوير الرقمي والاتصالات في الطب (DICOM)، المستخدم عالمياً لعمليات المسح الطبي، يتفاعل بشكل متكرر مع XML للتعامل مع البيانات الوصفية المعقدة للمرضى. تسمح XML بالإبلاغ المنظم لنتائج التشخيص ومعلمات الدراسة، مما يسهل تحليل الصور الطبية الدقيق. وهذا يضمن أن نماذج الذكاء الاصطناعي المدربة على هذه البيانات تحافظ على الامتثال الصارم لمعايير بيانات الصحة مثل Health Level Seven (HL7).

Link to this sectionXML مقابل JSON مقابل YAML#

على الرغم من قوة XML، غالباً ما تتم مقارنتها بتنسيقات تسلسل البيانات الأخرى المستخدمة في سير عمل ML. يساعد فهم الاختلافات في اختيار الأداة المناسبة للمهمة.

• XML مقابل JSON: يعتبر تدوين كائن JavaScript (JSON) عموماً أخف وزناً وأسهل في التحليل لتطبيقات الويب. بينما أصبح JSON المعيار لاستجابات API والعديد من مجموعات البيانات الحديثة (مثل COCO)، لا تزال XML مفضلة للبيانات التي تركز على المستندات والبيئات التي تتطلب التحقق من المخطط. للحصول على نظرة أعمق في هياكل بيانات الويب، توفر موارد مثل شبكة مطوري Mozilla مقارنات ممتازة.
• XML مقابل YAML: يُعرف YAML بقابليته للقراءة البشرية والحد الأدنى من التركيب، معتمداً على المسافات البادئة بدلاً من الوسوم. وهذا يجعل YAML الخيار المفضل لملفات تكوين نموذج YAML في أطر عمل مثل Ultralytics YOLO، حيث تعد سهولة التحرير أمراً بالغ الأهمية. في المقابل، تعتبر XML أكثر إسهاباً ولكنها توفر فرضاً أقوى للهيكل.

Link to this sectionتحليل XML لتدريب النماذج#

عند العمل مع مجموعات البيانات القديمة مثل تلك الموجودة بتنسيق PASCAL VOC، غالباً ما يحتاج المطورون إلى تحليل ملفات XML لاستخراج إحداثيات صناديق الإحاطة للتدريب. تجعل مكتبات Python المدمجة هذه العملية مباشرة.

يوضح المثال التالي كيفية تحليل سلسلة توسيم XML بسيطة لاستخراج أسماء فئات الكائنات وإحداثيات صناديق الإحاطة باستخدام Python ElementTree API.

import xml.etree.ElementTree as ET

# Example XML string simulating a PASCAL VOC annotation
voc_xml_data = """


        person

            50
            30
            200
            400



"""

# Parse the XML structure
root = ET.fromstring(voc_xml_data)

# Extract and print object details
for obj in root.findall("object"):
    class_name = obj.find("name").text
    bbox = obj.find("bndbox")
    # Convert coordinates to integers
    coords = [int(bbox.find(tag).text) for tag in ["xmin", "ymin", "xmax", "ymax"]]
    print(f"Detected Class: {class_name}, Bounding Box: {coords}")

يعد فهم كيفية التعامل مع هذه التنسيقات ضرورياً لإعداد بيانات التدريب. بينما يمكن للأدوات الآلية على منصة Ultralytics التعامل مع هذه التحويلات، تظل معرفة التحليل اليدوي قيمة لتصحيح الأخطاء وخطوط أنابيب البيانات المخصصة. لمزيد من القراءة حول هياكل البيانات، يقدم دليل IBM XML نظرة شاملة على استخدام المؤسسات.