جامعة تشجيانغ تصدر أول مراجعة للذكاء الاصطناعي egocentric للنظارات الذكية

نشر فريق من جامعة تشجيانغ ما وصفه بأنه أول مراجعة منهجية لـ«الذكاء من منظور الشخص الأول» في النظارات الذكية، وذلك بحسب ادعائه. ويرسم عنوان العمل مساره: من «الرؤية» إلى «الفعل». ونقلت خبر المراجعة وسيلة الإعلام الصينية Jiqizhixin (机器之心). ونقطة انطلاق المؤلفين مألوفة لكل من جرّب Ray-Ban Meta أو ما يماثلها: لا يزال المستخدم العادي يرى النظارات كاميرا مزودة بسماعات ومساعد صوتي. وترصد المراجعة أن هذه الصورة لم تعد صالحة.

ماذا تتناول المراجعة

بحسب الإعلان، يربط المؤلفون أربعة اتجاهات تقنية: الرؤية egocentric (فيديو من كاميرا مثبتة على الرأس)، والنماذج الكبيرة متعددة الوسائط، والتفاعل بين الإنسان والحاسوب، والذكاء المجسَّد. وعند تقاطع هذه الاتجاهات تتوقف النظارات عن كونها ملحقًا للتصوير وعرض المعلومات. وتصبح حلقة وسيطة بين إدراك الإنسان وذاكرته طويلة المدى وأفعاله في العالم الحقيقي. والجزء المتاح من الإعلان مقطوع في نهاية الجملة، ولذلك لا يمكن حتى الآن استعادة البنية الكاملة للتصنيف.

ولم يذكر الإعلان عدد الأبحاث التي جرت مراجعتها، ولا قائمة البنشمارك، ولا النماذج المحددة. وهذا أمر حاسم للتقييم: فقيمة المراجعة تكمن في شمولها ودقة تصنيفها، ولا يمكن التحقق منهما دون النص الكامل.

لماذا يمثل منظور الشخص الأول مهمة مستقلة

تنتقل النماذج المدرَّبة على فيديو مصوَّر من الخارج بصعوبة إلى اللقطات المأخوذة من الرأس. فالكاميرا تهتز مع حركة العنق، واليدان تحجبان نصف المشهد، والجسم يظهر ويختفي لدقائق. لذلك يعتمد هذا المجال على مجموعات بيانات متخصصة. فمجموعة Ego4D، مثلًا، تضم نحو 3670 ساعة من الفيديو من 931 مشاركًا من تسع دول. وأصبحت معيارًا فعليًا لمهام من نوع «أين تركتُ المفاتيح» أو «ماذا كنت أفعل قبل المكالمة».

والذاكرة هي الموضوع المحوري هنا. فالنظارات التي تكتفي بوصف المشهد مفيدة لثوانٍ معدودة. أما النظارات التي تراكم التدفق وتجيب عن أسئلة تتعلق بالماضي فتغيّر سيناريو الاستخدام. لكنها هي نفسها تثير أحدّ الأسئلة المتعلقة بالخصوصية واستهلاك البطارية.

ما المعروف عن المراجعة:

• المؤلفون: مجموعة بحثية من جامعة تشجيانغ.
• الصيغة: مقالة مراجعة أُعلن أنها الأولى في هذا الموضوع.
• الإطار: «من الرؤية إلى الفعل» — الإدراك والذاكرة والتفاعل والتنفيذ.
• الأساس التقني: الرؤية egocentric، ونماذج LLM متعددة الوسائط، والتفاعل بين الإنسان والحاسوب (HCI)، والذكاء الاصطناعي المجسَّد.
• غير المعلن: عدد الأبحاث، والبنشمارك، ومقارنة النماذج، وتقديرات زمن الاستجابة واستهلاك الطاقة.

ما الذي ينبغي أن يتحقق منه المطورون والمشترون

بالنسبة إلى الفرق التي تبني تطبيقات للنظارات، تفيد المراجعة بوصفها خريطة للمهام. وينبغي أولًا تحديد المستوى الذي يعمل عليه المنتج: التعرف أم الذاكرة أم الفعل. فهذه ثلاثة أحمال مختلفة على النموذج والبطارية وقناة الاتصال. أما من يختار جهازًا، فالمعيار العملي بسيط: لا تسأل عن دقة الكاميرا، بل عن مكان تخزين التدفق، ومدة بقائه، وما الذي تجري معالجته على الجهاز نفسه.

وعلى الباحثين انتظار النص الكامل والتحقق من ثلاثة أمور: إلى أي حد تفصل المراجعة بين النتائج الأكاديمية والعروض التجريبية الصناعية، وهل تتضمن مخططًا موحدًا لمقارنة البنشمارك، وكيف تصف مخاطر الخصوصية. فإذا كانت هذه الأقسام معالجة جيدًا، صار العمل نقطة دخول للوافدين الجدد إلى المجال. وإذا لم تكن كذلك، فهو أقرب إلى بيان لاتجاه بحثي منه إلى مرجع.

والإشارة إلى الصناعة واضحة: الجامعات الصينية تشغل بشكل منهجي مجال «الذكاء الاصطناعي القابل للارتداء» بينما السوق لا تزال في طور التشكل.