يعيش العالم اليوم ثورة تكنولوجية غير مسبوقة بفضل التطور المتسارع في أنظمة الذكاء الاصطناعي التوليدي، حيث لم تعد هذه الأنظمة مجرد برمجيات قادرة على قراءة النصوص وكتابتها، بل تخطت ذلك لتمتلك حاسة الرؤية.
الرؤية الحاسوبية تعرف بأنها فرع من الذكاء الاصطناعي يهدف إلى تمكين الآلات من فهم واستيعاب المحتوى المرئي في العالم الحقيقي، مثل الصور ومقاطع الفيديو. هذا التطور يفتح آفاقاً هائلة لتطبيقات لم نكن نتخيل إمكانية تحقيقها منذ سنوات قليلة، حيث أصبحت الآلة قادرة على تمييز الأشياء، قراءة النصوص من الصور، بل وفهم السياق العاطفي أو المنطقي للمشهد المعروض أمامها.
ووفقاً لتقارير وأبحاث منشورة في OpenAI Blog، فإن النماذج اللغوية الكبيرة الحديثة تم تزويدها بقدرات متعددة الوسائط، مما يسمح لها بمعالجة النصوص والصور معاً في وقت واحد. هذه التقنية تعتمد على تدريب النماذج باستخدام مليارات الصور المرفقة بنصوص وصفية، مما يخلق رابطاً ذكياً في “عقل” الآلة بين الشكل المرئي والكلمة التي تعبر عنه.
آلية عمل تقنية الرؤية الحاسوبية
تعمل الرؤية الحاسوبية من خلال تقسيم الصورة إلى آلاف أو ملايين النقاط الدقيقة التي تعرف بالبكسلات. تقوم الشبكات العصبية الاصطناعية بفحص هذه البكسلات لاكتشاف الأنماط الأساسية مثل الحواف والألوان والظلال، ثم تتعمق الطبقات داخل الشبكات لتجميع هذه الأنماط وتشكيل أشكال أكثر تعقيداً حتى تتمكن من التعرف على وجه إنسان أو سيارة أو نوع نبات معين. كما تتجاوز هذه النماذج التعرف إلى فهم العلاقات بين الأشياء في المشهد؛ فمثلاً إذا عرضت عليها صورة شخص يحمل مظلة تحت سماوات داكنة، ستستنتج وجود احتمال المطَر وأن الشخص يحمي نفسه من البلل، وهو مستوى فهم سياقي متقدم.
أمثلة للاستفادة من الرؤية الحاسوبية في الحياة اليومية
يمكن الاستفادة من هذه التقنية من خلال تطبيقات عملية مثل التقاط صورة لمكونات غذائية في ثلاجتك وطلب اقتراح وصفات مناسبة بناءً على ما يظهر في الصورة، أو تصوير المستندات المكتوبة بخط اليد وتحويلها إلى نص رقمي قابل للتحرير والبحث، كما يمكن استخدامها في التعليم لحل المشكلات عبر التقاط صورة لمسألة رياضية أو جهاز معطل وشرح خطوات الحل أو إرشادات الصيانة خطوة بخطوة.
