تعزيز الرؤية الحاسوبية القائمة على الذكاء الاصطناعي من خلال الوعي بالفيزياء

لقد ترك الذكاء الاصطناعي بصمته الغير قابلة للمحو على حياتنا. في جهود رائدة لتعزيز قدرات الذكاء الاصطناعي بشكل أكبر، كشف الباحثون من جامعة كاليفورنيا في لوس أنجلوس ومختبر أبحاث الجيش الأمريكي عن نهج فريد يجمع بين الوعي بالفيزياء و التقنيات القائمة على البيانات في تقنيات الرؤية الحاسوبية القائمة على الذكاء الاصطناعي.

الدراسة، التي نُشرت في Nature Machine Intelligence، تقترح منهجًا هجينًا رائدًا يهدف إلى تحسين كيفية استشعار الآلات القائمة على الذكاء الاصطناعي لبيئتها والتفاعل معها والاستجابة لها في الوقت الفعلي – أمر بالغ الأهمية للسيارات ذاتية القيادة والروبوتات التي تؤدي حركات دقيقة.

نهج هجين للذكاء الاصطناعي القائم على الفيزياء

تقليديًا، ركزت رؤية الكمبيوتر، وهي مجال تمكن الذكاء الاصطناعي من فهم العالم المادي واستنتاج خصائصه من الصور، بشكل كبير على التعلم الآلي القائم على البيانات. وفي الوقت نفسه، سعى البحث القائم على الفيزياء إلى كشف المبادئ الفيزيائية الكامنة وراء العديد من تحديات رؤية الكمبيوتر. ومع ذلك، أثبتت دمج فهم الفيزياء في مجال الشبكات العصبية صعوبة.

في تقدم مهم، تهدف دراسة جامعة كاليفورنيا في لوس أنجلوس إلى الجمع بين الفهم العميق من البيانات والمعرفة التطبيقية للفيزياء، وبالتالي إنشاء ذكاء اصطناعي هجين مع قدرات محسنة. يشرح أتشوتا كادامبي، الباحث المسؤول عن مراسلات الدراسة وأستاذ مساعد في الهندسة الكهربائية والحاسوب في كلية الهندسة سامولي في جامعة كاليفورنيا في لوس أنجلوس، “يمكن أن تمكن أشكال الاستدلال القائم على الفيزياء السيارات من القيادة بأمان أكبر أو الروبوتات الجراحية من أن تكون أكثر دقة”.

دمج الفيزياء في رؤية الكمبيوتر القائمة على الذكاء الاصطناعي

يحدد فريق البحث ثلاث طرق مبتكرة لدمج الفيزياء في رؤية الكمبيوتر القائمة على الذكاء الاصطناعي:

1. إضافة الفيزياء إلى مجموعات بيانات الذكاء الاصطناعي: يتضمن هذا وسم الكائنات بمعلومات إضافية، مثل سرعتها المحتملة أو وزنها، مشابهة للشخصيات في ألعاب الفيديو.
2. دمج الفيزياء في هياكل الشبكة: تتضمن هذه الاستراتيجية تشغيل البيانات من خلال مرشح شبكة يرمز الخواص الفيزيائية في ما يتم التقاطه بواسطة الكاميرات.
3. دمج الفيزياء في دالة الخسارة للشبكة: هنا، يتم استخدام المعرفة القائمة على الفيزياء لمساعدة الذكاء الاصطناعي في تفسير بيانات التدريب الخاصة بملاحظاته.

لقد أنتجت هذه الخطوط البحثية التجريبية نتائج واعدة في تحسين رؤية الكمبيوتر. على سبيل المثال، يسمح النهج الهجين للذكاء الاصطناعي بتتبع وتوقع حركة الكائن بدقة أكبر، ويمكنه إنتاج صور عالية الدقة من المشاهد المخفية بسبب الطقس السيئ.

مستقبل الذكاء الاصطناعي القائم على الفيزياء

يتمتع الباحثون بالتفاؤل بأن الاستمرار في التقدم في هذا النهج المزدوج قد يؤدي إلى تعلم الذكاء الاصطناعي القائم على التعلم العميق لقوانين الفيزياء بشكل مستقل. يمكن أن يمثل هذا علامة فارقة جديدة في تقنيات الرؤية الحاسوبية القائمة على الذكاء الاصطناعي، مما يفتح الطريق لاستخدامات أكثر أمانًا ودقة للذكاء الاصطناعي في قطاعات مختلفة، بما في ذلك السيارات ذاتية القيادة والروبوتات الجراحية.

أُجريت الدراسة، بدعم جزئي من منحة من مختبر أبحاث الجيش، بالتعاون مع عالم الحاسوب في مختبر أبحاث الجيش سيلسو دي ميلو، وأعضاء هيئة التدريس في جامعة كاليفورنيا في لوس أنجلوس ستيفانو سواتو، تشو-جوي هسييه، وماني سريفاستافا. جاء التمويل الإضافي من منح من مؤسسة العلوم الوطنية، برنامج الباحثين الشباب التابع للجيش، وكالة مشاريع البحوث الدفاعية المتقدمة، إنترينسيك، شركة ألفابت (GOOG ) (GOOGL )، وأمازون.