ClimateVID -- Social Media Videos Analysis and Challenges Involved
تقيم هذه الورقة قدرات نماذج الرؤية واللغة وتقنيات التجميع القائمة على تضمين الصور لتحليل فيديوهات وسائل التواصل الاجتماعي حول تغير المناخ، وتجد أنه بينما تعاني نماذج الرؤية واللغة الحالية مع خطاب مناخي محدد، فإن التجميع غير الخاضع للإشراف باستخدام نماذج مثل DINOv2 وConvNeXt V2 ينجح في كشف أنماط بصرية وهياكل موضوعية متميزة.
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 أنك تحاول فهم مكتبة ضخمة وفوضوية حيث يصرخ ملايين الأشخاص باستمرار بقصص قصيرة عن تغير المناخ. بعض القصص عن الدببة القطبية، وبعضها عن حرائق الغابات، وبعضها مجرد "ميمز" (memes) مضحكة. المشكلة؟ المكتبة كبيرة جداً لدرجة لا تسمح لأي إنسان بقراءة كل صفحة فيها.
قرر الباحثون في هذا البحث، ClimateVID، بناء فريق من "أمين المكتبة الآلي" للمساعدة في فرز هذه الصرخات (فيديوهات وسائل التواصل الاجتماعي) ومعرفة ما هي المواضيع الرئيسية. لقد اختبروا طريقتين مختلفتين للقيام بذلك: طلب من الروبوتات القراءة والتسمية، وطلب منها تجميع القصص المتشابهة معاً دون أي تسميات على الإطلاق.
إليك ما وجدوه، مشروحاً ببساطة:
1. الروبوتات "الذكية" مقابل روبوتات "البكسل" (التصنيف)
أولاً، جربوا استخدام أحدث الروبوتات الأكثر "ذكاءً" (تسمى VLMs مثل VideoChatGPT و PandaGPT). قد تعتقد أن هذه الروبوتات تشبه بروفيسوراً عبقرياً يمكنه مشاهدة فيديو وإخبارك بالضبط بما يحدث.
- النتيجة: كانت هذه الروبوتات الذكية مرتبكة تماماً. غالباً ما تشتت انتباهها، أو أعطت إجابات غير متسقة، أو مجرد خمنت بشكل عشوائي. كان الأمر أشبه بسؤال عبقري لفرز كومة من قطع "الليغو" المختلطة، لكنه استمر في محاولة بناء قلعة من القطع بدلاً من مجرد فرزها حسب اللون. لقد عانوا مع "الميمز"، والنكات، والفيديوهات التي لا تتبع نصاً معيلاً.
- الفائز: وجد الباحثون أن روبوتاً أبسط وأقدم يسمى CLIP كان يعمل بشكل أفضل. فكر في CLIP ليس كعبقري، بل كعامل مجد وسريع جداً ينظر إلى إطار واحد فقط (صورة ثابتة) من الفيديو في كل مرة. هو لا يحاول فهم القصة بأكملها؛ بل يسأل فقط: "هل يوجد دب قطبي في هذه الصورة المحددة؟"
- الدرس المستفاد: بالنسبة لفيديوهات وسائل التواصل الاجتماعي، من الأفضل تقسيم الفيديو إلى لقطات فردية وتحليل تلك اللقطات، بدلاً من مطالبة ذكاء اصطناعي معقد بفهم الفيديو بأكمله دفعة واحدة.
2. لعبة "التجميع" (Clustering)
بعد ذلك، جربوا نهجاً مختلفاً. بدلاً من طلب تسمية المواضيع من الروبوتات، طلبوا منها تجميع الفيديوهات المتشابهة معاً دون إخبارها ما هي المجموعات. هذا يشبه سكب صندوق ضخم من الصور المختلطة على طاولة وطلب من روبوت فرزها في أكوام بناءً على ما تبدو عليه.
لقد اختبروا نوعين من "العيون التي تفرز" (نماذج التضمين/embedding models):
- DINOv2 (فنان الصورة الكبيرة): نظر هذا الروبوت إلى الأسلوب والانطباع العام للفيديوهات. قام بتجميع الأشياء بناءً على اللون، والإضاءة، والتكوين العام. إذا بدا الفيديو وكأنه فيلم وثائقي، فقد ذهب إلى كومة "الوثائقي". كان جيداً في رؤية الغابة، لكنه أغفل الأشجار.
- ConvNeXt V2 (محقق التفاصيل): كان هذا الروبوت أكثر دقة بكثير. لاحظ التفاصيل الصغيرة. لم يكتفِ برؤية "حيوانات" فحسب، بل رأى "قطط في مطبخ" مقابل "قرود في غابة". قام بفصل الفيديوهات بناءً على أشياء محددة، وتنسيقات، وسياقات. كان مثل المحقق الذي يلاحظ أن أحد الفيديوهات يحتوي على سيارة حمراء والآخر يحتوي على سيارة زرقاء، حتى لو كان كلاهما يتحدث عن حركة المرور.
الحكم النهائي: كان "محقق التفاصيل" (ConvNeft V2) أفضل لهذه المهمة. فقد أنشأ مجموعات أكثر تحديداً وفائدة ساعدت الباحثين على رؤية الاختلافات الدقيقة في كيفية حديث الناس عن تغير المناخ.
3. ماذا وجدوا بالفعل؟
بعد فرز آلاف الفيديوهات من تويتر (X)، اكتشفوا بعض الأنماط المثيرة للاهتمام:
- العمل فوق الكوارث: من المثير للدهشة أن الفيديوهات الأكثر شيوعاً لم تكن عن الكوارث (مثل الفيضات أو الحرائق) أو الحيوانات الحزينة. الموضوع الأكثر شيوعاً كان العمل المناخي — الناس يتحدثون عن السياسة، والاحتجاجات، وحلول الطاقة.
- إعداد "الفضاء": عدد كبير جداً من الفيديوهات أظهرت الفضاء الخارجي أو مشاهد للأرض من قمر صناعي. هذه طريقة فريدة يستخدمها الناس لمناقشة تغير المناخ: إظهار الكوكب بأكره للتأكيد على هشاشته.
- "الميمز" في كل مكان: جزء ضخم من المحتوى كان مجرد "ميمز" (صور مضحكة مع نص). كان على الباحثين توخي الحذر لفصل هذه عن الأخبار الجادة لأنها تروي نوعاً مختلفاً من القصص.
4. الخلاصة للبشر
يختتم البحث ببعض النصائح العملية لأي شخص يحاول تحليل فيديوهات وسائل التواصل الاجتماعي:
- لا تثق في الروبوتات "الذكية" بعد: الذكاء الاصطناعي الحالي ليس جاهزاً لمشاهدة فيديو كامل وتقديم ملخص مثالي لمواضيع المناخ.
- انظر إلى اللقطات: من الأكثر موثوقية تحليل إطارات فردية من الفيديو.
- استخدم "محقق التفاصيل": إذا كنت تريد العثور على مواضيع بصرية محددة، استخدم النماذج التي تركز على التفاصيل الدقيقة (مثل ConvNeXt V2) بدلاً من مجرد الانطباع العام.
- احذر من التكرار: وسائل التواصل الاجتماعي مليئة بالأشخاص الذين يعيدون نشر نفس الفيديو تماماً. اضطر الباحثون لبناء نظام للعثور على هذه النسخ وإزالتها حتى لا تؤثر على النتائج.
باختصار، هذا البحث هو دليل للمتخصصين. يقول: "إليك كيف تستخدم أدواتنا الحالية لفهم عالم الفيديو الفوضوي والمزعج المتعلق بتغير المناخ، وإليك أين لا تزال تلك الأدوات تتعثر".
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.