Salesforce AI تكشف عن FOFPred: التحكم في الروبوتات عبر اللغة

تواصل Salesforce AI مفاجأتنا بابتكاراتها في مجال الذكاء الاصطناعي، إذ كشفت عن FOFPred، وهو إطار عمل ثوري يستفيد من قدرات اللغة للتنبؤ بحركة الأجسام في الفيديو. ويمثل هذا التطوير خطوة مهمة إلى الأمام في التحكم في الروبوتات وتوليد المحتوى المرئي، ويمهّد الطريق لتفاعل أكثر بداهة وكفاءة بين الإنسان والآلة.

تقوم فكرة FOFPred على الجمع بين نماذج اللغة البصرية الكبيرة (Large Vision Language Models، أو LVLM) ونماذج diffusion transformers. تحلل نماذج LVLM المعلومات البصرية وتحوّلها إلى أوصاف نصية، ثم تستخدم نماذج diffusion transformers هذه الأوصاف للتنبؤ بالحركة المستقبلية للأجسام. وتتمثل الميزة الأساسية في FOFPred في إمكانية التحكم بالحركة عبر اللغة الطبيعية. يستطيع المستخدم إعطاء تعليمة مثل «انقل الزجاجة من اليمين إلى اليسار»، فيتنبأ النظام بكيفية تنفيذ هذه الحركة.

من الناحية التقنية، تعتمد FOFPred على بنية تتكون من عدة مكونات رئيسية. أولًا، مُرمِّز للصور (image encoder) يحوّل الصور المُدخلة إلى تمثيلات متجهية. ثانيًا، نموذج لغوي يعالج التعليمة النصية ويولّد تمثيلًا متجهيًا للحركة المطلوبة. ثالثًا، diffusion transformer يستخدم التمثيلين المتجهيين معًا للتنبؤ بالتدفق البصري، وهو حقل كثيف من المتجهات يصف حركة كل بكسل في الصورة. وأخيرًا، مُفكِّك ترميز (decoder) يحوّل التدفق البصري إلى سلسلة من إطارات الفيديو المستقبلية.

وتتجاوز أهمية FOFPred بكثير مجرد تحسين الأساليب القائمة. فهذا التطوير يفتح إمكانات جديدة جذريًا في التحكم في الروبوتات. تخيّلوا روبوتًا قادرًا على تنفيذ مهام معقدة بمجرد اتباع أوامر صوتية. يجعل FOFPred ذلك ممكنًا، إذ يتيح للمستخدمين التحكم في الروبوتات بصورة بديهية، دون الحاجة إلى معرفة متخصصة في البرمجة أو الروبوتات. إضافة إلى ذلك، يمكن استخدام FOFPred لإنشاء مقاطع فيديو أكثر واقعية وقابلية للتحكم. وسيتمكن الفنانون والمصممون من استخدام التعليمات النصية لإنشاء رسوم متحركة ومؤثرات خاصة معقدة، ما يبسّط عملية إنتاج المحتوى إلى حد كبير.

وقد يترك اعتماد FOFPred أثرًا كبيرًا في قطاعات مختلفة. ففي الصناعة، قد يؤدي إلى خطوط إنتاج أكثر مرونة وأتمتة. وفي قطاع الترفيه، قد يفتح آفاقًا جديدة لإنشاء المؤثرات البصرية والرسوم المتحركة. وفي الطب، قد يساعد في تطوير أنظمة جراحية روبوتية أكثر دقة وفاعلية. غير أن FOFPred، شأنها شأن أي تقنية جديدة، تنطوي على مخاطر معينة. فمن المهم مراعاة الجوانب الأخلاقية لاستخدام هذه التقنية، خصوصًا في سياق الأتمتة واحتمال فقدان الوظائف.

في الختام، تمثّل FOFPred اختراقًا في مجال الذكاء الاصطناعي، إذ تجمع بين قدرات اللغة والرؤية الحاسوبية للتحكم في حركة الأجسام. ويفتح هذا التطوير آفاقًا جديدة أمام الروبوتات وتوليد المحتوى المرئي ومجالات أخرى كثيرة. ومن المرجح أن نشهد في المستقبل مزيدًا من الابتكارات القائمة على هذه التقنية، ما سيقود إلى أنظمة أكثر ذكاءً وبداهة.