Sber AI Lab تستخدم أساليب اكتشاف الأجسام في التنبؤ بالأحداث

قدمت فريق مختبر Sber للذكاء الاصطناعي — أندريه سافتشينكو، مدير العلوم، وإيفان كاربوخين، باحث أول — دراسة بحثية في مؤتمر AAAI 2026 تنقل طرق كشف الأجسام من الرؤية الحاسوبية إلى مهمة التنبؤ طويل الأجل بسلاسل الأحداث.

القياس الذي يقوم عليه المنهج

يجيب كشف الأجسام في الصورة على سؤالين بالضبط: ما الموجود في الصورة وأين بالضبط يقع الجسم؟ مهمة التنبؤ بالأحداث منظمة بطريقة مماثلة: أي حدث سيقع لاحقاً وفي أي لحظة بالضبط سيحدث؟ اقترح الباحثون مطابقة رسمية للمساحة ثنائية الأبعاد للصورة مع المحور الزمني أحادي البعد — وسمحت هذه المطابقة بنقل فئة كاملة من خوارزميات كشف الأجسام إلى نمذجة السلاسل الزمنية.

للوهلة الأولى، القياس ليس واضحاً. يبحث الكاشف عن السيارات والأشخاص وعلامات الطريق في الصورة، بينما ينبئ نموذج التنبؤ بالمعاملة التالية لعميل البنك أو سلسلة من المواعيد الطبية. لكن على مستوى صياغة المسألة الرياضية، اتضح أن الفرق أصغر مما يبدو: ينتج كاشف الأجسام عن أزواج "فئة + إحداثيات"، بينما ينتج نموذج الأحداث أزواج "نوع الحدث + لحظة الحدوث". بجوهره، تلك نفس المهمة المزدوجة، مفصولة في مساحات مختلفة.

لأي المهام يعمل هذا المنهج؟

يحدد المؤلفون عدة مجالات تطبيقية حيث يكون نقل المنهجية مبرراً بشكل خاص:

• تحليل العمليات المصرفية — التنبؤ بالمعاملات التالية والمشتريات للعملاء بناءً على سجل العمليات
• النمذجة الطبية — التنبؤ بسلاسل الإجراءات والفترات الزمنية بينها
• السلوك في الشبكات الاجتماعية — التنبؤ بنشاط المستخدم وديناميكيته الزمنية

في كل من هذه السيناريوهات، يجب أن ينبئ النموذج بنوع الحدث التالي والوقت الذي سيحدث فيه — بالضبط نفس صياغة كاشف الأجسام: ليس فقط "ماذا"، بل أيضاً "متى". يمثل هذا التشابه الهيكلي بالذات الفرصة لنقل الحلول المعمارية والاستدلالات التدريبية التي تم صقلها على مدى سنوات في مهام الرؤية الحاسوبية.

يؤكد المؤلفون أن اختيار هذه المجالات ليس صدفة: جميعها يعمل مع سلاسل تاريخية طويلة، حيث تكون تحديد نوع الحدث التالي ودقة التنبؤ بوقته مهمين بالتساوي.

لماذا هذا المنهج واعد؟

يضع المؤلفون العمل ضمن اتجاه أوسع في أبحاث الذكاء الاصطناعي على مدى العقد الماضي: لم تنبثق الأفكار الأكثر إنتاجية داخل مجال واحد، بل عند تقاطع عدة مجالات. ظهرت المحولات (Transformers) أولاً في معالجة اللغات الطبيعية، ثم غيرت الرؤية الحاسوبية بشكل جوهري وتشكل اليوم أساس جميع معمارِيات التعلم الآلي الحديثة تقريباً.

« اتضح بشكل غير متوقع أن العديد من الأفكار، التي أصبحت منذ زمن معياراً

في مهام كشف الأجسام، تسمح لنا بالنظر إلى التنبؤ بالأحداث المستقبلية بطريقة مختلفة بشكل أساسي »، — سافتشينكو وكاربوخين في عرضهما بمؤتمر AAAI 2026.

ينطوي نقل أدوات كشف الأجسام على أن الخبرة المتراكمة عبر السنوات — المعماريات وطرق التدريب والاستدلالات في التعامل مع البيانات المُعنّاة — لا تقتصر على مهام الرؤية الحاسوبية ويمكن إعادة النظر فيها في الذكاء الاصطناعي المصرفي والتحليل الطبي والنمذجة السلوكية.

يعني النشر في مؤتمر AAAI 2026 — أحد أكثر المؤتمرات المرموقة في الذكاء الاصطناعي — أن الدراسة خضعت لمراجعة صارمة من المجتمع العلمي.

ماذا يعني هذا؟

يوضح عمل مختبر Sber للذكاء الاصطناعي استراتيجية منتجة: بدلاً من إنشاء معماريات متخصصة من الصفر، البحث عن تشابهات هيكلية مع مهام محلولة بالفعل. الحدود بين الرؤية الحاسوبية والتنبؤ بالسلاسل الزمنية تثبت أنها شرطية — وهذا يفتح مساراً مباشراً لنقل عقود من الطرق المتراكمة إلى المجالات حيث لم تُطبّق بعد.