https://sarabic.ae/20260828/ما-الذي-يجعل-نظام-تتبع-الذكاء-الاصطناعي-يفقد-أثر-جسم-ما-علماء-رياضيات-جامعة-موسكو-يجدون-مفتاحا-1116420460.html
ما الذي يجعل نظام تتبع الذكاء الاصطناعي يفقد أثر جسم ما؟ علماء رياضيات جامعة موسكو يجدون مفتاحا
ما الذي يجعل نظام تتبع الذكاء الاصطناعي يفقد أثر جسم ما؟ علماء رياضيات جامعة موسكو يجدون مفتاحا
سبوتنيك عربي
حدد علماء الرياضيات بجامعة موسكو الحكومية خصائص داخلية للشبكة العصبية، ترتبط ارتباطًا وثيقًا بدقة تتبع نظام تتبع الذكاء الاصطناعي لجسم ما عبر الفيديو. 28.08.2026, سبوتنيك عربي
2026-08-28T16:24+0000
2026-08-28T16:24+0000
2026-08-28T16:24+0000
علوم
مجتمع
روسيا
جامعات روسية
أخبار الأبحاث العلمية
ذكاء اصطناعي
نظام
https://cdn.img.sarabic.ae/img/07ea/08/1c/1116420771_0:0:3071:1728_1920x0_80_0_0_ee8e5cdd87d81c8027d037d122edfd51.jpg
وقدم الباحثون مؤشرات خاصة تُسمى "المقاييس الدقيقة" لفحص ما يحدث داخل النموذج أثناء معالجته لكل إطار، حيث وصل أحد هذه المقاييس إلى "معامل ارتباط بيرسون" يصل إلى 0.96 مع جودة التتبع في مقاطع الفيديو الفردية.لماذا قد يصبح نظام التتبع فجأة أقل دقة؟يبدو تتبع الأجسام بسيطًا من الخارج: تحديد شخص أو مركبة أو روبوت أو أي جسم آخر في فيديو، ثم مطالبة الحاسوب بتحديد موقعه في كل إطار لاحق.عادةً ما تحلّ أنظمة التتبع الحديثة القائمة على الشبكات العصبية هذه المهمة بمقارنة صورة الجسم المُختار مع إطارات الفيديو الواردة، إلا أن سؤالًا هامًا لا يزال صعب الإجابة عليه: "ما الذي يُحدد دقة التتبع داخل الشبكة العصبية؟".نظرة داخل الشبكة العصبيةأثناء معالجة الشبكة العصبية للصورة، تُحوّل تدريجيًا وحدات "البكسل الخام" إلى خصائص داخلية تُساعدها على التعرّف على الهدف وتحديد موقعه.قام باحثو جامعة موسكو بتحليل هذه الخصائص في مراحل مختلفة من معالجة الصور، وقدموا مجموعة من المؤشرات الخاصة التي أطلقوا عليها اسم "المقاييس الدقيقة". يُغير هذا النهج السؤال من مجرد "هل نجح نظام التتبع؟" إلى "ما الذي كان يحدث داخل النموذج عندما كان أداؤه جيدًا أو سيئًا؟".أحد المقاييس الداخلية مرتبط ارتباطًا وثيقًا بدقة التتبعكشفت التجارب أن واحدًا على الأقل من المقاييس الدقيقة المقترحة كان مرتبطًا ارتباطًا وثيقًا بجودة التتبع.في مقاطع الفيديو الفردية، بلغ "معامل ارتباط بيرسون" 0.96.طريقة جديدة لتشخيص وتحسين أنظمة التتبع بالذكاء الاصطناعيوفقًا لـ "ديمتري بورياك"، الأستاذ المشارك في "قسم الحواسيب العملاقة والمعلوماتية الكمومية بكلية الرياضيات الحاسوبية وعلم التحكم الآلي في جامعة موسكو الحكومية"، يُظهر هذا العمل أن الخصائص الفردية للتمثيلات الداخلية لنظام التتبع يمكن ربطها بجودة أدائه.وأوضح بورياك قائلًا: "لقد بيّنا أن بعض خصائص التمثيلات الداخلية لنظام التتبع يمكن ربطها بجودة عمله، وهذا يفتح المجال لاستخدام هذه المؤشرات لتحليل النماذج وتحسينها لاحقًا".أهمية هذا الأمر تتجاوز تحليل الفيديويُستخدم تتبع الأجسام بدقة عالية على نطاق واسع في "الروبوتات والأنظمة ذاتية التشغيل"، حيث يتعين على الآلة تحديد موقع جسم مُختار باستمرار مع تغير المشهد.كما يمكن أن يُساهم المبدأ نفسه في تحسين "أنظمة المراقبة بالفيديو والتقنيات ذاتية التشغيل”، حيث يُمكن أن يُؤدي فقدان تتبع جسم ما أو تقدير موقعه بشكل خاطئ بشكل متكرر إلى تقليل موثوقية النظام بأكمله.المصدر : | بوابة روسيا العلمية |
https://sarabic.ae/20260824/طلاب-جامعة-موسكو-الحكومية-يحصدون-الميدالية-الذهبية-مجددا-في-مسابقة-دولية--1116305258.html
https://sarabic.ae/20260824/الطباعة-ثلاثية-الأبعاد-تحدث-تحولا-في-مجال-البحث-العلمي-1116301240.html
سبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
2026
سبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
الأخبار
ar_EG
سبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
سبوتنيك عربي
feedback.arabic@sputniknews.com
+74956456601
MIA „Rossiya Segodnya“
علوم, روسيا, جامعات روسية, أخبار الأبحاث العلمية, ذكاء اصطناعي, نظام
علوم, روسيا, جامعات روسية, أخبار الأبحاث العلمية, ذكاء اصطناعي, نظام
ما الذي يجعل نظام تتبع الذكاء الاصطناعي يفقد أثر جسم ما؟ علماء رياضيات جامعة موسكو يجدون مفتاحا
حدد علماء الرياضيات بجامعة موسكو الحكومية خصائص داخلية للشبكة العصبية، ترتبط ارتباطًا وثيقًا بدقة تتبع نظام تتبع الذكاء الاصطناعي لجسم ما عبر الفيديو.
وقدم الباحثون مؤشرات خاصة تُسمى "المقاييس الدقيقة" لفحص ما يحدث داخل النموذج أثناء معالجته لكل إطار، حيث وصل أحد هذه المقاييس إلى "معامل ارتباط بيرسون" يصل إلى 0.96 مع جودة التتبع في مقاطع الفيديو الفردية.
قد يمنح هذا الاكتشاف المطورين طريقة جديدة، لتشخيص وتدريب وتحسين أنظمة التتبع المستخدمة في الروبوتات والتقنيات المستقلة والمراقبة بالفيديو.
لماذا قد يصبح نظام التتبع فجأة أقل دقة؟
يبدو تتبع الأجسام بسيطًا من الخارج: تحديد شخص أو مركبة أو روبوت أو أي جسم آخر في فيديو، ثم مطالبة الحاسوب بتحديد موقعه في كل إطار لاحق.
عادةً ما تحلّ أنظمة التتبع الحديثة القائمة على الشبكات العصبية هذه المهمة بمقارنة صورة الجسم المُختار مع إطارات الفيديو الواردة، إلا أن سؤالًا هامًا لا يزال صعب الإجابة عليه: "ما الذي يُحدد دقة التتبع داخل الشبكة العصبية؟".
بحث علماء من "كلية الرياضيات الحاسوبية وعلم التحكم الآلي بجامعة موسكو الحكومية" في هذا الجانب من العملية، ولم يقتصر بحثهم على نجاح نظام التتبع فحسب، بل شمل أيضًا دراسة التمثيلات الداخلية التي يُنشئها أثناء تحليل الصورة.
أثناء معالجة الشبكة العصبية للصورة، تُحوّل تدريجيًا وحدات "البكسل الخام" إلى خصائص داخلية تُساعدها على التعرّف على الهدف وتحديد موقعه.
قام باحثو جامعة موسكو بتحليل هذه الخصائص في مراحل مختلفة من معالجة الصور، وقدموا مجموعة من المؤشرات الخاصة التي أطلقوا عليها اسم "المقاييس الدقيقة".
يصف كل مقياس دقيق خاصية معينة للتمثيل الداخلي الذي ينتجه نظام التتبع، ثم قارن العلماء هذه القيم بالأداء الفعلي لنظام التتبع، وتحديدًا مدى دقة تحديده لموقع الجسم في الفيديو.
يُغير هذا النهج السؤال من مجرد "هل نجح نظام التتبع؟" إلى "ما الذي كان يحدث داخل النموذج عندما كان أداؤه جيدًا أو سيئًا؟".
أحد المقاييس الداخلية مرتبط ارتباطًا وثيقًا بدقة التتبع
كشفت التجارب أن واحدًا على الأقل من المقاييس الدقيقة المقترحة كان مرتبطًا ارتباطًا وثيقًا بجودة التتبع.
في مقاطع الفيديو الفردية، بلغ "معامل ارتباط بيرسون" 0.96.
يشير "معامل ارتباط بيرسون" القريب من "1" إلى وجود علاقة قوية جدًا بين كميتين مقاستين، وفي هذه الحالة، تتبعت التغيرات في إحدى الخصائص الداخلية للشبكة العصبية عن كثب التغيرات في دقة تحديد نظام التتبع لموقع هدفه.
طريقة جديدة لتشخيص وتحسين أنظمة التتبع بالذكاء الاصطناعي
وفقًا لـ "ديمتري بورياك"، الأستاذ المشارك في "قسم الحواسيب العملاقة والمعلوماتية الكمومية بكلية الرياضيات الحاسوبية وعلم التحكم الآلي في جامعة موسكو الحكومية"، يُظهر هذا العمل أن الخصائص الفردية للتمثيلات الداخلية لنظام التتبع يمكن ربطها بجودة أدائه.
وأوضح بورياك قائلًا: "لقد بيّنا أن بعض خصائص التمثيلات الداخلية لنظام التتبع يمكن ربطها بجودة عمله، وهذا يفتح المجال لاستخدام هذه المؤشرات لتحليل النماذج وتحسينها لاحقًا".
يُعدّ هذا مفيدًا للغاية، لأن المطورين عادةً ما يُقيّمون نظام التتبع بشكل أساسي من خلال النظر إلى دقته النهائية، بينما يُقدّم النهج الجديد معلومات إضافية من "داخل النموذج"، مما قد يُساعد في تحديد سبب تفوّق إصدار على آخر.
أهمية هذا الأمر تتجاوز تحليل الفيديو
يُستخدم تتبع الأجسام بدقة عالية على نطاق واسع في "الروبوتات والأنظمة ذاتية التشغيل"، حيث يتعين على الآلة تحديد موقع جسم مُختار باستمرار مع تغير المشهد.
يقترح الباحثون إمكانية دمج تقنيات القياس الدقيق التي طوروها في تدريب وضبط مُتتبعات الشبكات العصبية، ما يُساعد المطورين على إنشاء نماذج تتبع أكثر دقة.
كما يمكن أن يُساهم المبدأ نفسه في تحسين "أنظمة المراقبة بالفيديو والتقنيات ذاتية التشغيل”، حيث يُمكن أن يُؤدي فقدان تتبع جسم ما أو تقدير موقعه بشكل خاطئ بشكل متكرر إلى تقليل موثوقية النظام بأكمله.
