دراسة للذكاء الاصطناعي تكشف: هكذا ترى الآلة صورة الإنسان!

دراسة للذكاء الاصطناعي تكشف: هكذا ترى الآلة صورة الإنسان!

في 23 يونيو 2025، نشر فريق بحث من جامعة جوستوس ليبيج جيسن ومعهد ماكس بلانك للعلوم المعرفية والدماغية نتائج مهمة حول التعرف على الأشياء باستخدام الذكاء الاصطناعي (AI). ونشرت هذه النتائج في المجلة الشهيرة ذكاء آلة الطبيعة نشرت. قدم المؤلفان الأولان فلوريان ماهنر ولوكاس موتتنثالر والمؤلف الأخير البروفيسور الدكتور مارتن هيبارت نهجًا جديدًا لتحديد ومقارنة الأبعاد الرئيسية التي ينتبه إليها كل من البشر والذكاء الاصطناعي عند رؤية الأشياء.

قامت الدراسة بتحليل حوالي 5 ملايين حكم فردي من 1854 صورة كائنية لمعرفة الخصائص البصرية والدلالية التي يفضلها البشر والذكاء الاصطناعي. وتبين أن الناس يركزون على الأبعاد المرتبطة بالمعنى، مثل "المتعلقة بالحيوان" أو "المتعلقة بالنار"، بينما تركز نماذج الذكاء الاصطناعي في المقام الأول على الخصائص البصرية مثل "المستديرة" أو "البيضاء". تسمى هذه الظاهرة "التفضيل البصري" ويمكن أن تؤثر بشكل كبير على الثقة في أنظمة الذكاء الاصطناعي إذا كانت هناك اختلافات في استراتيجيات التعرف على الأشياء.

منهجية ونتائج البحث

يستخدم العمل العلمي شبكات عصبية عميقة متعددة (DNNs) للتعرف على الصور المشابهة للإنسان وتحديد الأبعاد الرئيسية للصور. كشفت مقارنة الأبعاد بين البشر والشبكات العصبية العميقة أنه على الرغم من أن الذكاء الاصطناعي يحقق تقريبًا هذه الأبعاد، إلا أنه لا يتطابق تمامًا مع الإدراك البشري. ما كان ملحوظًا بشكل خاص هو أنه بالنسبة للأبعاد المتعلقة بالحيوانات، لم يتم تضمين العديد من الصور غير الحيوانية في التحليل، مما أثر بشكل أكبر على نتائج تقنية الذكاء الاصطناعي.

ويأمل الباحثون أن تتيح المشاريع المستقبلية إجراء مقارنة مباشرة بين إدراك الإنسان وإدراك الذكاء الاصطناعي، مما قد يؤدي إلى فهم أفضل لإدراك الذكاء الاصطناعي وتحسين التكنولوجيا نفسها. تم ذكر الاتصال مع البروفيسور الدكتور مارتن هيبارت هنا كإمكانية للمهتمين بالحصول على مزيد من المعلومات حول هذا المجال من البحث.

تطبيقات الذكاء الاصطناعي في التعرف على الصور

النتائج المتعلقة بالاختلافات في التعرف على الأشياء لها تطبيق واسع في مجالات مختلفة. غالبًا ما يُستخدم الذكاء الاصطناعي لدعم الخدمات اللوجستية أو تصنيف الصور أو تحليل بنية العميل في التجارة الإلكترونية. في هذا السياق يقدم آلات قابلة للتعليم أداة للبرمجة السريعة والسهلة لأنظمة الذكاء الاصطناعي، والتي تمكن أجهزة الكمبيوتر من التعرف على الصور أو الأصوات أو الوضعيات.

تتضمن أمثلة التطبيقات الدعم في المخزون أو فرز البضائع. تعتبر أهمية بيانات التدريب حاسمة لأداء نماذج الذكاء الاصطناعي. مثال عملي: إذا كان Alexa مرئيًا في خلفية مشهد التدريب، فسيتم خداع الذكاء الاصطناعي لتصنيف الصورة بناءً على ذلك الحضور فقط، بغض النظر عن التركيز الأساسي للصورة.

التحديات والتطورات المستقبلية

تُظهِر تكنولوجيا الذكاء الاصطناعي، وخاصة في التعرف على الصور، إمكانات هائلة، ولكنها تواجه أيضًا تحديات يجب التغلب عليها. تعد المخاوف بشأن حماية البيانات والتحيز في بيانات التدريب والحاجة إلى أطر قانونية واضحة من القضايا الرئيسية التي تحتاج إلى معالجة. بالإضافة إلى ذلك، يجب أن تكون نماذج الذكاء الاصطناعي قوية لمختلف الظروف مثل الإضاءة والضوضاء حتى تعمل بفعالية في الممارسة العملية.

مع استمرار التطورات في التعلم الآلي والشبكات العصبية، يظل مستقبل التعرف على الصور المدعوم بالذكاء الاصطناعي واعدًا. يمكن للشركات الاستفادة من تحسين العمليات واستراتيجيات التسويق المستهدفة، بينما تستمر الأبحاث المكثفة لتحسين قدرات الذكاء الاصطناعي.