تطور الرؤية الحاسوبية: إسهامات استثنائية من المخترعين

تم تسليط الضوء على 'تطور الرؤية الحاسوبية: إسهامات استثنائية من المخترعين' من قبل BTW Media لأن الأدلة المنشورة تربطه بالبنية التحتية للإنترنت أو الحوكمة أو التبعيات التشغيلية أو رؤية السوق.

• هذه الإسهامات الأولى التي قدمها رواد مثل لورنس روبرتس وبيلا جوليس، أسست مبادئ وتقنيات أساسية أثرت بعمق على تطور الرؤية الحاسوبية.
• تطور الرؤية الحاسوبية، من النظريات الأساسية في سبعينيات وثمانينيات القرن العشرين إلى الاكتشافات الثورية للشبكات العصبية والتعلم العميق في تسعينيات القرن العشرين والعقد الأول من القرن الحادي والعشرين، شكل التخصص بعمق، مما أدى إلى تطبيقات ومنهجيات مبتكرة أصبحت جزءًا لا يتجزأ من الذكاء الاصطناعي الحديث ومعالجة الصور.
• شهد القرن الحادي والعشرون طفرة هائلة في الرؤية الحاسوبية، مع تقدم وإنجازات كبرى في التعلم العميق والشبكات العصبية التي أحدثت ثورة في تصنيف الصور، واكتشاف الأشياء، والتجزئة، ومعالجة اللغة الطبيعية، والعديد من المجالات الأخرى، مما يوضح التكامل العميق بين الفهم البصري والذكاء الاصطناعي.

لم يكن اختراع وتطوير الرؤية الحاسوبية عمل شخص واحد، بل تم بناؤه تدريجياً من خلال الجهود المشتركة للعديد من الباحثين والمهندسين والأكاديميين على مدى فترة طويلة. يغطي هذا المجال عدة تخصصات، بما في ذلك علوم الكمبيوتر والرياضيات والفيزياء والهندسة وعلم الأعصاب.

اقرأ أيضًا:RoboVision تجمع 42 مليون دولار لتعزيز تكامل الذكاء الاصطناعي في الصناعة التحويلية

أصل وتطورات الرؤية الحاسوبية الأولى

تعود جذور الرؤية الحاسوبية إلى خمسينيات وستينيات القرن العشرين، عندما وضع ظهور وتطور أجهزة الكمبيوتر الإلكترونية الأساس لمعالجة الصور والتعرف على الأنماط.

Lawrence Roberts

يعتبر لورنس روبرتس أحد رواد الرؤية الحاسوبية. لقد قدم العديد من المفاهيم والتقنيات الأساسية في أطروحته للدكتوراه عام 1963 بعنوان 'الإدراك التلقائي للأجسام الصلبة ثلاثية الأبعاد'. ركزت أعماله على استخراج المعلومات ثلاثية الأبعاد من الصور ثنائية الأبعاد، وهي إحدى المشكلات المركزية في الرؤية الحاسوبية. أرست أبحاث روبرتس الأساس للعمل اللاحق في إعادة البناء ثلاثي الأبعاد والرؤية المجسمة.

Bela Julesz

كان بيلا جوليس عالمًا نفسيًا بصريًا، وكان لأبحاثه على الرسوم المجسمة بالنقاط العشوائية في ستينيات القرن العشرين تأثير كبير على الرؤية الحاسوبية. أظهر جوليس تجريبيًا كيف يدرك النظام البصري البشري العمق من صور النقاط العشوائية، مما له آثار مهمة على فهم الإبصار المجسم وإدراك العمق.

اقرأ أيضًا:Intel تطور أكبر نظام حاسوبي عصبي الشكل

التطورات في سبعينيات وثمانينيات القرن العشرين

خلال سبعينيات وثمانينيات القرن العشرين، تأسست الرؤية الحاسوبية كنظام، وتم تطوير وتعزيز العديد من المفاهيم والتقنيات الرئيسية خلال هذه الفترة.

David Marr

ديفيد مار هو شخصية مهمة أخرى في مجال الرؤية الحاسوبية. لقد اقترح سلسلة من النظريات حول المعالجة البصرية في سبعينيات وثمانينيات القرن العشرين، محاولاً شرح كيف يعالج النظام البصري البشري المعلومات البصرية ويفهمها. طور مار نظرياته في كتابه عام 1982، 'الرؤية: تحقيق حسابي في تمثيل ومعالجة المعلومات البصرية لدى البشر'، بما في ذلك نموذج هرمي لمعالجة المعلومات البصرية.

يقترح أن المعالجة البصرية يمكن تقسيمها إلى ثلاث مراحل رئيسية: المخطط الأولي، المخطط ثنائي الأبعاد ونصف، والتمثيل بالنموذج ثلاثي الأبعاد. كان لأعمال مار تأثير عميق على كل من الرؤية الحاسوبية وعلم الأعصاب.

John Hopfield et David Marr

كان لأعمال 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 وقوة الحوسبة ومجالات التطبيق منذ تسعينيات القرن العشرين والعقد الأول من القرن الحادي والعشرين.

Takeo Kanade

تاكيو كانادي هو باحث بارز في مجالات الرؤية الحاسوبية والروبوتات. طور العديد من أنظمة وخوارزميات الرؤية الحاسوبية المهمة، بما في ذلك التعرف على الوجوه، والرؤية المجسمة، وملاحة الروبوتات المتنقلة. كان لأعمال تاكيو كانادي تأثير واسع في كل من الأوساط الأكاديمية والصناعية، وهو عضو رئيسي في قسم علوم الكمبيوتر ومعهد الروبوتات بجامعة كارنيجي ميلون.

David Forsyth et Jean Ponce

ديفيد فورسيث وجان بونس هما المؤلفان المشاركان لكتاب 'الرؤية الحاسوبية: نهج حديث'، وهو كتاب مدرسي مهم في مجال الرؤية الحاسوبية يغطي مجموعة واسعة من الموضوعات، من النظرية الأساسية إلى التطبيقات العملية. يستخدم على نطاق واسع في تدريس وبحوث الرؤية الحاسوبية، وهو كلاسيكي في المجال.

Geoffrey Hinton, Yann LeCun et Yoshua Bengio

أحدثت أعمال جيفري هينتون ويان ليكون ويوشوا بينغيو في الشبكات العصبية والتعلم العميق ثورة في الرؤية الحاسوبية. أدت أعمالهم إلى نجاح الشبكات العصبية التلافيفية في مهام مثل تصنيف الصور واكتشاف الأشياء والتجزئة الدلالية. على وجه الخصوص، كان فوز AlexNet في مسابقة ImageNet في عام 2012 علامة فارقة في تطبيق التعلم العميق على الرؤية الحاسوبية.

صعود الرؤية الحاسوبية

منذ بداية القرن الحادي والعشرين، دخل مجال الرؤية الحاسوبية فترة من الازدهار. خلال هذه الفترة، حققت الرؤية الحاسوبية نتائج مذهلة، كما يوضح الجدول الزمني أدناه:

في عام 2012، أحدث AlexNet ضجة في مسابقة تصنيف الصور ImageNet، باستخدام شبكة عصبية تلافيفية عميقة (CNN) ليتفوق على جميع الكيانات الأخرى، مما قلل معدل الخطأ بمقدار 10 نقاط مئوية.

في عام 2014، كرر كل من GoogLeNet و VGGNet نجاحهم في مسابقة تصنيف الصور ImageNet، باستخدام هياكل CNN أعمق وأكثر تعقيدًا لتحسين أداء التصنيف بشكل أكبر.

في عام 2015، سجلت ResNet (الشبكة العصبية المتبقية) رقمًا قياسيًا جديدًا في مسابقة تصنيف الصور ImageNet، باستخدام الاتصالات المتبقية لحل مشكلة صعوبة تدريب الشبكات العميقة وتقليل معدل الخطأ إلى مستوى أقل من مستوى الإنسان.

في عام 2016، حقق كل من YOLO (You Only Look Once) و SSD (Single Shot Multibox Detector) تقدمًا كبيرًا في مهمة اكتشاف الأشياء، باستخدام هيكل CNN أحادي المرحلة لتمكين الكشف السريع والدقيق لأشياء متعددة في صورة واحدة.

في عام 2017، حققت Mask R-CNN تقدمًا في مهمة تجزئة الأشياء، مما يسمح بتجزئة دقيقة لأشياء متعددة في صورة باستخدام هيكل CNN من مرحلتين.

في عام 2018، حققت BERT (تمثيلات التشفير ثنائية الاتجاه من المحولات) تقدمًا في مهمة معالجة اللغة الطبيعية، باستخدام هيكل محول ثنائي الاتجاه لتحقيق فهم عميق للغة، مما يوفر أداة قوية للمعالجة المشتركة للصور والنص.

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

في عام 2020، حققت GPT-3 تقدمًا في توليد اللغة الطبيعية، باستخدام هيكل محول بـ 175 مليار معلمة لتوليد نص سلس ومنطقي، مما يجعل التحويل المتبادل بين الصور والنص ممكنًا.