Characterizing the visual representation of objects from the child's view
من خلال تحليل أكثر من 3 ملايين إطار من فيديوهات مصورة من منظور الشخص الأول لأطفال صغار، تكشف هذه الدراسة أنه بينما يكون التعرض البصري للأطفال لفئات الأشياء منحرفاً ومتغيراً للغاية، فإنهم يواجهون مع ذلك نماذج تشكل تجمعات فوقية أقوى من الصور الفوتوغرافية النموذجية، مما يشير إلى أن التعلم البصري القوي يعتمد على استغلال هذه الأنماط الهيكلية وسط مدخلات غير نموذجية ومتباعدة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم روبوت كيف يتعرف على العالم. قد تعتقد أن أفضل طريقة هي أن تريه الآلاف من الصور المثالية، المصورة في استديوهات ذات إضاءة مدروسة، لأشياء مثل التفاح، والكراسي، والكلاب، وكلها تواجه الكاميرا بشكل مثالي. ولكن ماذا لو كان الروبوت في الواقع طفلاً؟ فالأطفال لا يرون العالم من خلال معرض صور نظيف ومنسق؛ بل يرونه من خلال أعينهم، من زوايا منخفضة، وغالباً وهم يزحفون، أو يتمددون، أو يدورون حول أنفسهم. رؤيتهم فوضوية، وضبابية، ومليئة بالمفاجآت. تغوص هذه الورقة البحثية في هذا الواقع الفوضوي، وتطرح سؤالاً بسيطاً ولكنه عميق: كيف يبدو العالم البصري حقاً في نظر طفل صغير؟ وللإجابة على ذلك، درس الباحثون كيف يتعلم الأطفال تصنيف الأشياء إلى مجموعات (مثل "الحيوانات" أو "الأثاث") وقارنوا بين الصور الفوضوية الواقعية التي يراها الرضيع وبين ألبومات الصور المنظمة والأنيقة التي يستخدمها العلماء عادةً لدراسة التعلم. والهدف هو فهم سبب كون الأطفال متعلمين مذهلين وسريعين للغاية رغم أنهم يرون عالماً لا يشبه الكتب المدرسية التي نستخدمها لتعليم الحواسيب.
تبدأ القصة بمجموعة ضخمة من مقاطع الفيديو تسمى مجموعة بيانات "BabyView". اعتبر هذه المجموعة بمثابة مكتبة ضخمة لما يراه الطفل. قام الباحثون بتثبيت كاميرات صغيرة على رؤوس 31 طفلاً، تتراوح أعمارهم بين 5 و36 شهراً، وسجلوا أكثر من 868 ساعة من حياتهم اليومية في المنزل. هذا قدر هائل من الفيديو! ثم استخدموا برنامج كمبيوتر فائق الذكاء (نموذج اكتشاف الأشياء) لمسح أكثر من 3 ملايين إطار من هذه اللقطات لتحديد الأشياء التي كان الأطفال ينظرون إليها. كانوا يبحثون عن 129 فئة محددة من الأشياء، مثل الأكواب، والكراسي، والكلاب، والتفاح.
ما وجدوه كان عالماً غير متوازن بشكل صارخ. تماماً مثل قائمة تشغيل موسيقية تُعاد فيها بضع أغاني مراراً وتكراراً بينما يتم تجاهل معظم الأغเพลง الأخرى، كان العالم البصري للأطفال يهيمن عليه عدد قليل جداً من الأشياء. أشياء مثل الأكواب والكراسي ظهرت باستمرار، بينما كانت فئات أخرى، مثل البطاريق أو الزرافات، زواراً نادرين. هذا التوزيع "طويل الذيل" يعني أن الأطفال لا يرون القليل من كل شيء، بل يرون الكثير من أشياء محددة قليلة.
لكن السحر الحقيقي لم يكن يتعلق فقط بما رأوه، بل بكيفية رؤيتهم له. قارن الباحثون بين رؤية الطفل ومجموعة بيانات شهيرة ومنسقة من الصور تسمى "THINGS"، والتي يستخدمها العلماء لدراسة كيفية تعرف البشر على الأشياء. في مجموعة بيانات "THINGS"، تكون الصور عادةً مثالية: صورة واضحة ومواجهة للكاميرا لكلب حقيقي. أما في رؤية الطفل، فقد كانت الأمور فوضوية؛ فقد يكون "الكلب" دمية محشوة، أو رسماً في كتاب، أو لعبة، أو كلباً حقيقياً يُرى من زاوية غريبة، أو مخفياً جزئياً خلف أريكة، أو في غرفة مظلمة. لقد رأى الأطفال الأشياء في مجموعة متنوعة هائلة من الأشكال ومن منظورات غريبة.
وهنا تأتي المفاجأة المذهلة: على الرغم من أن رؤية الطفل كانت فوضوية ومتغيرة للغاية، إلا أن نماذج الكمبيوتر وجدت أن الأشياء لا تزال تتجمع مع بعضها البعض بطريقة منطقية للغاية. فعندما نظر الباحثون في مدى تشابه الأشياء المختلفة مع بعضها البعض، وجدوا أن المجموعات "العليا" (superordinate)—أي الفئات الكبيرة مثل "الحيوانات" أو "الطعام"—كانت في الواقع أكثر تكتلاً وترابطاً في رؤية الطفل الفوضوية والواقعية مقارنة بالصور النظيفة والمثالية في مجموعة بيانات "THINGS". وكأن فوضى الحياة الواقعية جعلت الروابط بين "جميع الأنواع المختلفة للحيوانات" أقوى وأوضح للدماغ المتعلم مما لو كانت مجرد ألبوم صور مرتب.
هذا النمط ظل ثابتاً حتى عند النظر إلى كل طفل على حدة. فرغم أن منزل كل طفل مختلف، بما يحتويه من ألعاب وأثاث مختلف، إلا أن الطريقة التي يبدو أن عقولهم تنظم بها هذه الفئات كانت متسقة بشكل مثير للدهشة. وسواء رأى الطفل الكثير من السيارات اللعبة أو سيارات حقيقية، فإن "خريطة" الدماغ للعالم حافظت على بقاء المجموعات الكبيرة معاً.
تشير الورقة البحثية إلى أن هذا المدخل البصري الفريد، الفوضوي وعالي التباين، قد يكون بالضبط ما يساعد الأطفال على التعلم بسرعة. فبدلاً من الحاجة إلى صور مثالية ومصنفة، يبدو أن الأطفال يزدهرون من خلال رؤية نفس الفئة (مثل "الحيوانات") في أشكال عديدة ومربكة. هذا التكرار—رؤية الكلب كدمية، وصورة، وحيوان حقيقي في آن واحد—قد يساعد الدماغ على استنتاج القواعد الجوهرية لما يجعل الشيء "حيواناً"، حتى عندما تكون التفاصيل غير واضحة.
ويلاحظ الباحثون بحذر أن نتائجهم تستند إلى بيانات محددة من أطفال في منازل غربية ميسورة الحال في الغالب، وأن نماذج الكمبيوتر الخاصة بهم ليست مثالية (فقد فاتها بعض الأشياء أو ارتكبت بعض الأخطاء). ومع ذلك، فإن النتائج تشير بقوة إلى أن "الفجوة في البيانات" بين كيفية تعلم البشر وكيفية تعلم الحواسيب لا تتعلق فقط بامتلاك المزيد من البيانات، بل تتعلق بامتلاك "النوع الصحيح" من البيانات. فالأطفال لا يتعلمون من متحف؛ بل يتعلمون من ملعب فوضوي، دوار، ومزدحم. ومن أجل بناء آلات تتعلم مثل البشر، قد نحتاج إلى التوقف عن تغذيتها بالصور المثالية، والبدء في إعطائها الفوضى الجميلة والواقعية للعالم الحقيقي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.