تطور الرؤية الحاسوبية: إسهامات بارزة من المخترعين

يتم تسليط الضوء على 'تطور الرؤية الحاسوبية: إسهامات بارزة من المخترعين' من قبل BTW Media لأن الأدلة المنشورة تربطه بالبنية التحتية للإنترنت أو الحوكمة أو التبعيات التشغيلية أو الرؤية السوقية.

• هذه المساهمات المبكرة من رواد مثل لورنس روبرتس وبيلا جوليس أسست مبادئ وتقنيات أساسية أثرت بعمق في تطوير الرؤية الحاسوبية.
• شكل تطور الرؤية الحاسوبية من النظريات التأسيسية في السبعينيات والثمانينيات إلى التقدم الثوري في الشبكات العصبية والتعلم العميق في التسعينيات والعقد الأول من القرن الحادي والعشرين بشكل كبير هذا التخصص، مما أدى إلى تطبيقات ومنهجيات رائدة أصبحت جزءًا لا يتجزأ من الذكاء الاصطناعي الحديث ومعالجة الصور.
• شهد القرن الحادي والعشرون طفرة كبيرة في الرؤية الحاسوبية، مع تقدم وإنجازات رائدة في التعلم العميق والشبكات العصبية أحدثت ثورة في تصنيف الصور، واكتشاف الكيانات، والتجزئة، ومعالجة اللغة الطبيعية، وغيرها، مما يعرض التكامل العميق بين الفهم البصري والذكاء الاصطناعي.

لم يتم اختراع وتطوير الرؤية الحاسوبية على يد شخصية واحدة، بل تشكلت تدريجياً من قبل العديد من العلماء والباحثين والمهندسين على مدى فترة طويلة ومن خلال جهود مشتركة. يتضمن المجال تقاطع تخصصات متعددة، بما في ذلك علوم الكمبيوتر والرياضيات والفيزياء والهندسة وعلم الأعصاب.

اقرأ أيضًا:شركة RoboVision تحصل على 42 مليون دولار لتعزيز تكامل الذكاء الاصطناعي في التصنيع

أصل وتطور الرؤية الحاسوبية المبكر

تعود جذور الرؤية الحاسوبية إلى الخمسينيات والستينيات من القرن العشرين، عندما وضع ظهور وتطور الحواسيب الإلكترونية الأساس لمعالجة الصور والتعرف على الأنماط.

لورنس روبرتس

يُعتبر لورنس روبرتس أحد رواد الرؤية الحاسوبية. قدم العديد من المفاهيم والتقنيات الأساسية للرؤية الحاسوبية في أطروحته للدكتوراه عام 1963، بعنوان "الإدراك الآلي للأجسام ثلاثية الأبعاد". تناول عمله كيفية استخراج المعلومات ثلاثية الأبعاد من الصور ثنائية الأبعاد، وهي إحدى المشكلات المركزية في الرؤية الحاسوبية. وضع بحث روبرتس الأساس للأبحاث اللاحقة في إعادة البناء ثلاثي الأبعاد والرؤية المجسمة.

بيلا جوليس

كان بيلا جوليس عالمًا في علم النفس البصري، وكان لأبحاثه حول الصور المجسمة العشوائية في الستينيات تأثير كبير على الرؤية الحاسوبية. أظهر جوليس تجريبيًا كيف يدرك النظام البصري البشري العمق من صور النقاط العشوائية، مما كان له آثار مهمة على فهم الرؤية المجسمة وإدراك العمق.

اقرأ أيضًا:إنتل تطور أكبر نظام حاسوبي عصبي الشكل

التطورات في السبعينيات والثمانينيات

خلال السبعينيات والثمانينيات، تشكلت الرؤية الحاسوبية كنظام، وتم تطوير وتعزيز العديد من المفاهيم والتقنيات الرئيسية خلال هذه الفترة.

ديفيد مار

ديفيد مار هو شخصية مهمة أخرى في مجال الرؤية الحاسوبية. اقترح سلسلة من النظريات حول المعالجة البصرية في السبعينيات والثمانينيات حاولت شرح كيفية معالجة وفهم المعلومات البصرية بواسطة النظام البصري البشري. شرح مار نظرياته في كتابه عام 1982،الرؤية: تحقيق حسابي في التمثيل البشري ومعالجة المعلومات البصرية، بما في ذلك نموذج هرمي لمعالجة المعلومات البصرية.

يقترح أن المعالجة البصرية يمكن تقسيمها إلى ثلاث مراحل رئيسية: الرسم الأولي، الرسم 2.5D، وتمثيل النموذج ثلاثي الأبعاد. كان لعمل مار تأثير عميق على كل من الرؤية الحاسوبية وعلم الأعصاب.

جون هوبفيلد وديفيد مار

كان لعمل جون هوبفيلد وديفيد مار حول التعرف على الأنماط والشبكات العصبية تأثير كبير أيضًا على الرؤية الحاسوبية. كانت شبكة هوبفيلد نموذجًا مبكرًا للشبكة العصبية أظهر كيف يمكن حل مشاكل التعرف على الأنماط عن طريق الحساب العصبي. قدمت هذه الدراسات أساسًا نظريًا لمهام التعرف على الصور وتصنيفها في الرؤية الحاسوبية.

التطورات الحديثة في الرؤية الحاسوبية

حققت الرؤية الحاسوبية تقدمًا كبيرًا في الخوارزميات والقوة الحسابية ومجالات التطبيق منذ التسعينيات والعقد الأول من القرن الحادي والعشرين.

تاكيو كاناد

تاكيو كاناد هو عالم رائد في مجال الرؤية الحاسوبية والروبوتات. طور العديد من أنظمة وخوارزميات الرؤية الحاسوبية المهمة، بما في ذلك التعرف على الوجوه والرؤية المجسمة والملاحة الآلية. كان لعمل تاكيو كاناد تأثير واسع على كل من الأوساط الأكاديمية والصناعية، وهو عضو رئيسي في قسم علوم الكمبيوتر ومعهد الروبوتات في جامعة كارنيجي ميلون.

ديفيد فورسيث وجان بونس

ديفيد فورسيث وجان بونس هما مؤلفا كتاب "الرؤية الحاسوبية: نهج حديث"، وهو كتاب دراسي مهم في مجال الرؤية الحاسوبية يغطي مجموعة واسعة من الموضوعات من النظرية الأساسية إلى التطبيقات العملية. يُستخدم على نطاق واسع في تدريس وبحوث الرؤية الحاسوبية، وهو كلاسيكي في مجال الرؤية الحاسوبية.

جيفري هينتون ويان لوكون ويوشوا بينجيو

أحدث عمل جيفري هينتون ويان لوكون ويوشوا بينجيو حول الشبكات العصبية والتعلم العميق ثورة في الرؤية الحاسوبية. أدى عملهم إلى نجاح الشبكات العصبية التلافيفية (CNNs) في مهام مثل تصنيف الصور واكتشاف الكيانات والتجزئة الدلالية. على وجه الخصوص، كان فوز AlexNet في مسابقة ImageNet عام 2012 علامة فارقة في تطبيق التعلم العميق على الرؤية الحاسوبية.

طفرة تطور الرؤية الحاسوبية

منذ بداية القرن الحادي والعشرين، دخل مجال الرؤية الحاسوبية فترة ازدهار. خلال هذه الفترة، حققت الرؤية الحاسوبية العديد من النتائج المذهلة، كما هو موضح في الجدول الزمني أدناه:

في عام 2012، أحدثت AlexNet ضجة في مسابقة تصنيف الصور ImageNet، باستخدام شبكة عصبية تلافيفية عميقة (CNN) للتغلب على جميع المشاركين الآخرين، مما قلل معدل الخطأ بمقدار 10 نقاط مئوية.

في عام 2014، كررت GoogLeNet وVGGNet (مجموعة الهندسة البصرية) نجاحهما في مسابقة تصنيف الصور ImageNet، باستخدام هياكل CNN أعمق وأكثر تعقيدًا لتحسين أداء التصنيف.

في عام 2015، سجلت ResNet (الشبكة العصبية المتبقية) رقمًا قياسيًا جديدًا في مسابقة تصنيف الصور ImageNet، باستخدام الاتصال المتبقي لحل مشكلة تدريب الشبكات العميقة الصعبة، وقللت معدل الخطأ إلى ما دون المستوى البشري.

في عام 2016، حققت YOLO (نظرك مرة واحدة فقط) وSSD (كاشف متعدد اللقطات) اختراقًا في مهمة اكتشاف الأهداف، باستخدام هيكل CNN أحادي المرحلة لتحقيق اكتشاف سريع ودقيق لأهداف متعددة في صورة.

في عام 2017، حققت Mask R-CNN اختراقًا في مهمة تجزئة الأهداف، باستخدام هيكل CNN ثنائي المرحلة لتحقيق تجزئة دقيقة لأهداف متعددة في صورة.

في عام 2018، حققت BERT (تمثيلات التشفير ثنائي الاتجاه من المحولات) اختراقًا في مهمة معالجة اللغة الطبيعية، باستخدام هيكل المحول ثنائي الاتجاه لتحقيق فهم عميق للغة، مما وفر أداة قوية للمعالجة المشتركة للصور والنصوص.

في عام 2019، حققت AlphaStar اختراقًا في لعبة Starcraft II، باستخدام التعلم المعزز واللعب الذاتي لتدريب ذكاء يتفوق على أفضل اللاعبين البشريين، مما أظهر درجة عالية من التكامل بين الرؤية الحاسوبية واتخاذ القرار.

في عام 2020، حققت GPT-3 اختراقًا في توليد اللغة الطبيعية، باستخدام هيكل المحول ذي 175 مليار معلمة لتوليد نص بطلاقة ومنطقية، مما جعل من الممكن تحويل الصور والنصوص إلى بعضها البعض.