تقنية ميتا: تعلم الذكاء الاصطناعي من خلال المشاهدة

أطلقت ميتا نموذجًا جديدًا للذكاء الصناعي يُدعى V-JEPA، الذي يهدف إلى تحسين استيعاب الآلات للعالم من خلال تحليل التفاعلات بين الأشياء في مقاطع الفيديو.

يعمل النموذج الحالي على تحقيق رؤية (يان ليكون)، نائب الرئيس ورئيس علماء الذكاء الاصطناعي في الشركة، في تطوير ذكاء اصطناعي يتعلم بشكل مشابه للإنسان.

شهد الإصدار الخامس من نموذج I-JEPA، الذي أصدرته شركة ميتا في منتصف العام الماضي، تطورات في مجال مقارنة التمثيلات المجردة للصور بدلاً من وحدات البكسل وتوسيعها لتشمل مقاطع الفيديو.

يعمل V-JEPA على تطوير نهج تنبؤي للتعلم من الصور من خلال الانتقال إلى التعلم من مقاطع الفيديو، مما يوفر تعقيد الديناميكيات الزمنية بالإضافة إلى المعلومات المكانية.

يتنبأ V-JEPA بالأجزاء المفقودة من مقاطع الفيديو دون الحاجة إلى إعادة إنشاء التفاصيل الكاملة، إذ يقوم بتعلم من مقاطع فيديو غير مصنفة، مما يعني أنه لا يحتاج إلى بيانات تم تصنيفها بواسطة البشر لبدء التعلم.

هذه الطريقة تزيد من كفاءة V-JEPA وتحتاج إلى موارد تدريب قليلة. يتميز هذا النموذج بالقدرة على التعلم من كميات صغيرة من المعلومات، مما يجعله سريعًا وقليل الاستهلاك للموارد مقارنة بالنماذج السابقة.

تم تطوير النموذج لإخفاء أجزاء كبيرة من مقاطع الفيديو، وهذا يجبر V-JEPA على عمل تخمينات استنادًا إلى سياق محدود مما يسهل عليه فهم السيناريوهات المعقدة دون حاجة للبيانات المفصلة.

تركز V-JEPA على الفكرة العامة للحدث في الفيديو دون الدخول في تفاصيل محددة مثل حركة الأوراق الفردية على الشجرة.

أظهر V-JEPA نتائج واعدة في التجارب، حيث فاز على نماذج أخرى لتحليل الفيديو باستخدام كمية صغيرة من البيانات المطلوبة عادةً.

يُعتبر هذا الإنجاز خطوة إيجابية في تطور مجال الذكاء الاصطناعي، فهو يسمح باستخدام النموذج في مهام متنوعة دون الحاجة لإعادة تدريبه بشكل شامل.

في المستقبل، تنوي ميتا تعزيز قوة V-JEPA عن طريق إضافة التحليل الصوتي وتحسين قدرتها على فهم مقاطع الفيديو الطويلة.

يسعى هذا النشاط إلى دعم هدف ميتا الشامل في تطوير الذكاء الاصطناعي لتنفيذ مهام معقدة بشكل مماثل للبشر.

باستخدام رخصة Creative Commons Non-Commercial، يُسمح للباحثين في جميع أنحاء العالم بالوصول إلى V-JEPA واستخدامها وتطويرها.