بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارAPI / منتج · جاهز للعملTG: @ai_machinelearning_big_data (Machinelearning)→ المصدر

Loom من Looki: ذاكرة الكاميرا القابلة للارتداء تسجّل 79 نقطة، بفارق 18 نقطة عن mem0

تسجّل الكاميرا القابلة للارتداء خلال اليوم ساعات من الفيديو والصوت، ولن يعيد أحد مشاهدتها. ابتكرت Looki، الشركة المصنّعة للكاميرا L1، نظام Loom الذي يقسّم التسجيل تلقائيًا إلى أحداث، ويجيب عن أسئلة مثل «ماذا اتفقنا مع المورّد؟» مع عرض اللقطات الأصلية. في اختبار الشركة نفسها سجّل Loom 79 نقطة، أي أعلى بـ18 نقطة من mem0 وبـ15 نقطة من A-Mem. ولا توجد حتى الآن نتائج تحقق من مختبرات مستقلة.

معالج بواسطة الذكاء الاصطناعي من TG: @ai_machinelearning_big_data (Machinelearning)؛ بتحرير Hamidun News
Loom من Looki: ذاكرة الكاميرا القابلة للارتداء تسجّل 79 نقطة، بفارق 18 نقطة عن mem0
المصدر: TG: @ai_machinelearning_big_data (Machinelearning). كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليTG: @ai_machinelearning_big_data (Machinelearning) ↗
رئيس التحرير
حقيقة رئيسية #1يتعرّف Sense على الحدث خلال 0.51 ثانية، وتبلغ قيمة F1 له 88.6 على نحو 20 نوعًا من الأحداث
حقيقة رئيسية #2يحدد Moment حدود الأحداث بدقة أعلى من Qwen Omni وGemini Flash
لا يوجد كود مفتوح المصدرالمتاح فقط عرض تجريبي عبر الويب وواجهة API

تسجّل الكاميرا القابلة للارتداء خلال اليوم ساعات من الفيديو والصوت، ولن يعيد أحد مشاهدتها. ولكي يصبح التسجيل مفيدًا، ينبغي أن يجيب المساعد عن سؤال مثل «ماذا اتفقنا مع المورّد الأسبوع الماضي؟» وأن يعرض اللقطات التي استُمدّت منها الإجابة. هذا بالضبط ما يفعله Loom، وهو نظام من Looki، الشركة الصينية المصنّعة للكاميرا القابلة للارتداء Looki L1.

في اختبار أعدّته الشركة بنفسها من تسجيلات حقيقية للمستخدمين وبموافقتهم، سجّلت ذاكرة Loom 79 نقطة. وهذا أعلى بـ18 نقطة من mem0، وبـ15 نقطة من A-Mem. وكلا المنافسين من أنظمة الذاكرة الشائعة لوكلاء الذكاء الاصطناعي النصيين، أي للمحادثات والمستندات، لا للفيديو.

أما الدلالة العملية للمطوّر: إذا كنت تبني مساعدًا مزوّدًا بكاميرا أو ميكروفون، فإن مخطط «الأحداث — الملخصات — اللقطات الأصلية» يبدو بديلًا عمليًا للذاكرة النصية المسطّحة، لكن الأرقام حتى الآن صادرة عن Looki وحدها.

مكوّنات Loom

يتألف النظام من نموذجين وطبقة ذاكرة.

يجيب Sense عن سؤال «ماذا يحدث الآن». يتلقى مقطعًا قصيرًا من الفيديو والصوت، وسؤالًا عن الحدث، وعدة خيارات للإجابة. ولا يكتب النموذج وصفًا نصيًا، بل يقيّم كل خيار. وهذا منطقي لجهاز يعمل باستمرار: فالاختيار من قائمة أسرع وأرخص من توليد النص. وبحسب Looki، يحقق Sense على مجموعة بيانات داخلية تضم نحو 20 نوعًا من الأحداث قيمة F1 تبلغ 88.6 (وهو مقياس عام لمدى دقة النموذج واكتماله في العثور على الأحداث المطلوبة)، بمتوسط زمن تعرّف يبلغ 0.51 ثانية.

يعمل Moment على المواد المسجّلة سلفًا. فهو يجمع الصورة والصوت على محور زمني واحد، ويحدد حدود الأحداث بنفسه ويصفها. لكل حدث وقت بداية ونهاية ووصف وأدلة داعمة. وبجانب كل واقعة علامة تبيّن هل شوهدت أم سُمعت أم استُنتجت من السياق. هذا الوسم مهم لبناء الثقة: إذ يميّز المستخدم بين ما ظهر فعلًا في الكادر وما هو تخمين من النموذج. وتفيد Looki بأن Moment يحدد حدود الأحداث بدقة أعلى من Qwen Omni وGemini Flash. ولا تتضمن المصادر أي أرقام محددة بهذا الشأن.

كيف تعمل الذاكرة

تجمع طبقة Memory الأحداث في ملخصات يومية وأسبوعية وشهرية، وأيضًا في لقطة عامة للتصورات عن المستخدم: عاداته ومحيطه وأعماله المتكررة.

حين يطرح المستخدم سؤالًا، يتحرك النظام من الأعلى إلى الأسفل. يبدأ بالملخصات الشهرية، ثم ينزل إلى الأحداث المحددة، وعند الحاجة إلى اللقطات الأصلية. يشبه ذلك البحث في أرشيف ورقي: تفتح المجلد المطلوب أولًا، ثم الورقة المطلوبة، ثم تتحقق من أصل المستند. وبهذا لا يحتاج النموذج إلى الاحتفاظ بتسجيلات شهر كامل في سياقه، ويمكن التحقق من الإجابة عبر المصدر الأول.

والفجوة مع mem0 وA-Mem متوقعة: فكلا النظامين صُمّم للنص، أما الفيديو والصوت من الكاميرا فمادة مختلفة.

ماذا يمكن أن نفعل بذلك وما التحفظات

لمن يطوّرون أجهزة قابلة للارتداء أو مساعدين صوتيين ومرئيين أو «ذاكرة ثانية» للمستخدم، يقدّم Loom مخططًا جاهزًا:

  • نموذج سريع مستقل للتعرّف على الأحداث؛
  • خطوة مستقلة تقطّع التدفق إلى حلقات مع تحديد مصدر كل واقعة؛
  • تسلسل هرمي من الملخصات يسير فيه البحث من العام إلى الخاص وينتهي برابط إلى اللقطة الأصلية.

التحفظات جوهرية. فجميع الأرقام مستمدة من مجموعات بيانات داخلية خاصة بـ Looki، ولا يوجد تحقق مستقل. وقد أُجريت المقارنة مع mem0 وA-Mem على اختبار أعدّته الشركة بنفسها، لذا قد تختلف الفجوة خارج بياناتها. وبالنسبة إلى Moment لا توجد أرقام، بل مجرد عبارة «أدق». وأخيرًا، يثير التسجيل المستمر للمحيطين بالمستخدم تساؤلات تتعلق بالخصوصية. ولا يذكر المصدر سوى أن بيانات الاختبار جُمعت بموافقة المستخدمين، ولا يوضح كيف يتعامل النظام مع أصوات الآخرين ووجوههم.

الوصول إلى Loom محدود. يمكن تجربته عبر العرض التجريبي على الويب، وتتوفر واجهة API، لكن Looki لا تعتزم إتاحة النظام بكود مفتوح. ويبقى أمام المطورين من خارج الشركة خياران: استخدام API أو إعادة بناء المعمارية بأنفسهم.

وتصف الشركة خطوتها التالية بأنها دمج الأجزاء الثلاثة في نموذج واحد متعدد الوسائط يقرر بنفسه متى يعرض المساعدة. عندها سيتوقف المساعد عن الاكتفاء بالإجابة عن الأسئلة، ويبدأ بالتدخل بمبادرة منه. وهذا أصعب: إذ لا يكفي أن يفهم ما يحدث، بل عليه أن يقدّر ما إذا كان الكلام مناسبًا في تلك اللحظة. أما الآن، فيُظهر Loom أن ذاكرة الكاميرا القابلة للارتداء ينبغي تصميمها كطبقة مستقلة ترتبط بالمصادر الأصلية.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول مكوّنات Loom؟

يتألف النظام من نموذجين وطبقة ذاكرة. يجيب Sense عن سؤال «ماذا يحدث الآن». يتلقى مقطعًا قصيرًا من الفيديو والصوت، وسؤالًا عن الحدث، وعدة خيارات للإجابة. ولا يكتب النموذج وصفًا نصيًا، بل يقيّم كل خيار. وهذا منطقي لجهاز يعمل باستمرار: فالاختيار من قائمة أسرع وأرخص من توليد النص. وبحسب Looki، يحقق Sense على مجموعة بيانات داخلية تضم نحو 20 نوعًا من الأحداث قيمة F1 تبلغ 88.6 (وهو مقياس عام لمدى دقة النموذج واكتماله في العثور على الأحداث المطلوبة)، بمتوسط زمن تعرّف يبلغ 0.51 ثانية. يعمل Moment على المواد المسجّلة سلفًا.

ما أبرز التفاصيل حول كيف تعمل الذاكرة؟

تجمع طبقة Memory الأحداث في ملخصات يومية وأسبوعية وشهرية، وأيضًا في لقطة عامة للتصورات عن المستخدم: عاداته ومحيطه وأعماله المتكررة. حين يطرح المستخدم سؤالًا، يتحرك النظام من الأعلى إلى الأسفل. يبدأ بالملخصات الشهرية، ثم ينزل إلى الأحداث المحددة، وعند الحاجة إلى اللقطات الأصلية. يشبه ذلك البحث في أرشيف ورقي: تفتح المجلد المطلوب أولًا، ثم الورقة المطلوبة، ثم تتحقق من أصل المستند. وبهذا لا يحتاج النموذج إلى الاحتفاظ بتسجيلات شهر كامل في سياقه، ويمكن التحقق من الإجابة عبر المصدر الأول.

ما أبرز التفاصيل حول ماذا يمكن أن نفعل بذلك وما التحفظات؟

لمن يطوّرون أجهزة قابلة للارتداء أو مساعدين صوتيين ومرئيين أو «ذاكرة ثانية» للمستخدم، يقدّم Loom مخططًا جاهزًا: نموذج سريع مستقل للتعرّف على الأحداث؛ خطوة مستقلة تقطّع التدفق إلى حلقات مع تحديد مصدر كل واقعة؛ تسلسل هرمي من الملخصات يسير فيه البحث من العام إلى الخاص وينتهي برابط إلى اللقطة الأصلية. التحفظات جوهرية. فجميع الأرقام مستمدة من مجموعات بيانات داخلية خاصة بـ Looki، ولا يوجد تحقق مستقل. وقد أُجريت المقارنة مع mem0 وA-Mem على اختبار أعدّته الشركة بنفسها، لذا قد تختلف الفجوة خارج بياناتها.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…