Pixelis: Reasoning in Pixels, from Seeing to Acting
بيكسيليس (Pixelis) هو وكيل فضاء بكسلي ينقل أنظمة الرؤية واللغة من الملاحظة الساكنة إلى الاستنتاج النشط عبر تنفيذ عمليات صور مباشرة والتعلم من خلال عملية تدريب ثلاثية المراحل تشمل الضبط الدقيق الخاضع للإشراف، وتحسين مكافأة الفضول والتماسك، والتكيف عند وقت الاختبار بدون تسميات، مما يؤدي إلى تحسين الأداء والذكاء متعدد الوسائط المرتكز على الواقع الفيزيائي عبر معايير قياس متعددة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أن لديك مساعداً آلياً ذكياً جداً ولكنه كسول قليلاً. في الوقت الحالي، معظم المساعدين الآليين يشبهون المرشدين السياحيين: ينظرون إلى صورة لغرفة فوضوية ويقولون: "أوه، هناك كلب على السرير وقطة على الأريكة". هم يصفون ما يرونه، لكنهم لا يفعلون أي شيء فعلياً للتحقق مما إذا كانوا على صواب، ولا يمكنهم التعلم من أخطائهم إذا تغيرت الغرفة.
Pixelis هو نوع جديد من الذكاء الاصطناعي يعمل أكثر مثل المحقق الذي يحمل عدسة مكبرة ومجموعة أدوات. بدلاً من مجرد التخمين، يتفاعل Pixelis (رقمياً) مع الصورة لحل اللغز.
إليك كيف يعمل Pixelis، مقسماً إلى ثلاث مراحل بسيطة:
1. مرحلة التدريب: تعلم "صندوق الأدوات" (SFT)
تخيل أنك تعلم طفلاً كيفية استخدام الكاميرا. أنت لا تكتفي بقول "التقط صورة" له فحسب، بل تريه بالضبط كيف يقوم بعمل زووم (تكبير)، وكيف يقص الصورة، وكيف يستخدم العدسة المكبرة، وكيف يقرأ لافتة ما.
- ما يفعله Pixelis: يتعلم "قواعد" محددة للأفعال. يتعلم أنه إذا رأى كلباً غير واضح، فعليه أن يقوم بـ التكبير (Zoom In). إذا رأى مجموعة من الحيوانات، فعليه أن يقوم بـ التقطيع (Segment) (عزلها) لعدّها. إذا رأى نصاً، فعليه أن يقرأه.
- التشبيه: الأمر يشبه تعليم الطاهي ليس فقط أن يقول "أنا جائع"، بل أن يمسك السكين فعلياً، ويقطع الخضروات، ويطهو الوجبة.
2. مرحلة الممارسة: تعلم التفكير قبل التصرف (CC-RFT)
الآن بعد أن أصبح لدى الروبوت أدوات، يحتاج إلى تعلم متى يستخدمها. إذا كان يقفز عشوائياً (يكبّر هنا، ويقص هناك)، فسيصاب بالارتباك.
- الفضول: يتم مكافأة الروبوت على استكشاف أشياء جديدة. "مهلاً، أتساءل ماذا يوجد تحت تلك البطانية؟"
- التماسك: يتم تعليم الروبوت أيضاً أن يكون منطقياً. إذا قام للتو بعمل زووم على أذن كلب، فمن المفترض أن تكون الخطوة التالية هي النظر إلى وجه الكلب، وليس القفز فجأة إلى صورة محمصة خبز. إنه يتعلم الحفاظ على ترابط خطواته، مثل قصة مكتوبة جيداً، بدلاً من كونه خربشة فوضوية.
- التشبيه: فكر في هذا مثل لاعب الشطرنج. هو لا يحرك القطع عشوائياً، بل يقوم بحركة، ويفكر في رد فعل الخصم المحتمل، ثم يقوم بالحركة التالية التي تناسب الخطة. يتعلم Pixelis القيام بـ "تحركات منطقية" داخل الصورة.
3. مرحلة العالم الحقيقي: التعلم أثناء العمل (Pixel TTRL)
هذا هو الجزء السحري. عادةً، بمجرد تدريب الذكاء الاصطناعي، فإنه يبقى كما هو. إذا عرضت عليه نوعاً جديداً من الكلاب لم يره من قبل، فقد يفشل. ومع ذلك، يمكن لـ Pixelis أن يتعلم أثناء عمله.
- نظام "التصويت": عندما يواجه Pixelis سؤالاً صعباً، فإنه لا يعطي إجابة واحدة فقط. بل يمرر المشكلة عبر عقله عدة مرات (مثل تشغيل محاكاة). يقوم بتوليد عدة "مسارات" أو قصص مختلفة لكيفية حلها.
- شبكة الأمان: ثم ينظر إلى كل تلك المسارات ويسأل: "أي منها يتفق مع الآخر؟" إذا قالت ثلاثة مسارات "إنه قط" وقال واحد "إنه كلب"، فإنه يتبع الأغلبية.
- حارس "الانحراف": لضمان عدم جنونه ونسيان كل ما تعلمه، لديه مقود أمان (يسمى "ممر KL"). هذا يضمن أنه بينما يتعلم حِيلاً جديدة، فإنه لا يبتعد كثيراً عن مسار كونه مساعداً مفيداً.
- التشبيه: تخيل مجموعة من المحققين يحلون جريمة ما. بدلاً من أن يخمن محقق واحد، يقوم الجميع بالتحقيق بشكل منفصل. ثم يجتمعون في غرفة الاجتماعات. إذا وجد ثلاثة محققين نفس الدليل، فهم يثقون في ذلك الدليل. إذا وجد أحدهم شيئاً غريباً، فهم يتجاهلونه. يقوم Pixelis بهذا الأمر فوراً، حيث يصقل دماغه في الوقت الفعلي دون الحاجة إلى معلم بشري ليقول له "أحسنت".
لماذا يهم هذا؟
معظم الذكاء الاصطناعي اليوم يشبه المراقب السلبي الذي يكتفي بوصف العالم. أما Pixelis فهو مشارك نشط.
- الذكاء الاصطناعي القديم: "أعتقد أن هناك كتاباً على الطاولة". (قد يكون مخطئاً، لكنه لن يتحقق من ذلك).
- Pixelis: "أعتقد أن هناك كتاباً. دعني أقوم بعمل زووم للتحقق من الغلاف. دعني أقرأ العنوان. حسناً، تم التأكيد، إنه كتاب طبخ".
من خلال إجبار الذكاء الاصطناعي على "لمس" البكسلات باستخدام الأدوات، يصبح أكثر دقة، ويمكنه شرح كيف توصل إلى الإجابة (عرض خطوات عمله)، ويمكنه التكيف مع المواقف الجديدة دون أن يتعطل. إنه يحول الذكاء الاصطناعي من موسوعة ثابتة إلى شريك ديناميكي في حل المشكلات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.