في تطور لافت يغير قواعد التعامل مع البيانات البصرية، أطلقت شركة الناشئة “إلوريان” (Elorian) نموذجها الأول المسمى Glimpse كنسخة معاينة بحثية تعيد تعريف كيفية فهم الذكاء الاصطناعي للصور والفيديوهات. لطالما عانت النماذج التقليدية من عجز جوهرى في “رؤية” التفاصيل الحقيقية، مكتفية بتحويل الصور إلى رموز نصية والتعامل معها وكأنها ذكريات ضبابية، وهو ما تسعى هذه التقنية لتجاوزه جذرياً.
آلية “مساحة العمل البصرية” وتجاوز حدود الذاكرة
يعتمد نموذج Glimpse على تقنية مبتكرة أطلقت عليها الشركة اسم “مساحة العمل البصرية” (Visual Scratch Space). فعلى عكس النماذج متعددة الوسائط التي تلقي نظرة واحدة على الصورة وتكتفي بها، يستمر هذا النموذج في العودة إلى المصدر أثناء عملية التفكير والتحليل. يمكن للنقص التقني القديم أن يتلاشى عندما يقترب النموذج من قص جزء محدد، أو سحب إطارات معينة من مقطع فيديو، أو حتى تشغيل الأكواد لقياس ومقارنة ما تنظر إليه العدسات، تماماً مثلما يفعل الإنسان حين يقرب الصورة بهاتفه للتأكد من تفاصيل دقيقة.
من لوحات الألعاب المعقدة إلى تفكيك الأثاث
يعود إلهام هذه الفكرة إلى مواقف حياتية بسيطة واجهها أندرو داي، الرئيس التنفيذي للشركة والباحث السابق في “جوجل ديب مايند”. ففي إحدى ليالي الألعاب، عجزت النماذج المتقدمة عن تحديد الفائز في لعبة لوحية بسيطة تمتلك لغتها البصرية الخاصة. وأشار داي إلى أن البشر يمكنهم تجميع أثاث إيكيا بدقة ودون الحاجة لأي نصوص إرشادية بالاعتماد على الرموز وحدها، متسائلاً عن سبب عجز الذكاء الاصطناعي عن فعل المثل، وهو التحدي الذي نجح Glimpse في معالجته بكفاءة عالية وبتكلفة منخفضة.
كفاءة عالية وتطلعات مستقبلية واسعة
على الرغم من بناء النموذج وتدريبه بواسطة فريق صغير وباستخدام مئات قليلة من وحدات معالجة الرسومات (GPUs)، أظهرت تقييمات الشركة تفوق Glimpse على نماذج متقدمة مثل GPT-6 Astra في مجالات التفكير بالرسوم البيانية العلمية والتعليقات التوضيحية للفيديوهات القصيرة. تستهدف الشركة في مرحلتها الأولى الشركات التي تمتلك كميات هائلة من الفيديوهات مثل مختبرات العلوم، وشركات الروبوتات، والمؤسسات الإبداعية، مع خطط مستقبلية لتطوير أنظمة قادرة على الانتقال من مرحلة الرؤية البصرية إلى اتخاذ القرار والتحكم المباشر بالروبوتات.
إذا نظرنا إلى هذا الابتكار من زاوية تأثيره على مستقبل المستخدم، نجد أن…
القفزة التي يقدمها نموذج Glimpse تتجاوز مجرد تحسين الأرقام وتكاليف المعالجة المنخفضة، لتلامس جوهر التفاعل البشري مع الآلة. إن تمكين الذكاء الاصطناعي من “التركيز والتأمل البصري” بدلاً من مجرد التخمين النصي يفتح باباً واسعاً أمام تطبيقات روبوتية وصناعية كانت مقتصرة حصرياً على الحدس البشري. فهل سنشهد قريباً آلات قادرة على التفاعل مع عالمنا المادي بنفس السلاسة والدقة التي يمتلكها الأطفال والبالغون في فهم الرموز والبيئة المحيطة؟
اترك تعليقًا