خمس نقاط لفتت انتباهي في ECCV 2024
خمس خلاصات وجدتها الأكثر إثارة للاهتمام وغير المتوقعة، من الجانبين البحثي والتطبيقي.
الأسبوع الماضي قضيت وقتًا رائعًا في ECCV 2024، الذي قدّم ورش عمل شيّقة عن الرؤية الحاسوبية التطبيقية، وعروضًا شفهية شارك فيها خبراء الرؤية الحاسوبية أحدث أبحاثهم، وكلمات رئيسية ملهمة من عمالقة الصناعة.
في هذا المقال الموجز، أستعرض خمس خلاصات وجدتها الأكثر إثارة للاهتمام وغير المتوقعة، من الجانبين البحثي والتطبيقي.
ما هو ECCV
يُعد المؤتمر الأوروبي للرؤية الحاسوبية (ECCV) من أكبر مؤتمرات الرؤية الحاسوبية وأكثرها مكانة (إلى جانب CVPR وICCV وNeurIPS)، وقد قدّم لنا أوراقًا بحثية معروفة مثل NERF وGroup Normalization. ويستمر المؤتمر 6 أيام في المجموع: يومان لورش العمل ثم 4 أيام للفعالية الرئيسية. ونظرًا إلى عدد المسارات والأوراق وورش العمل (12 مسارًا و2387 ورقة و51 ورشة عمل)، لا توجد طريقة للاطلاع على كل شيء وفهمه كما ينبغي، فالمواضيع تمتد من توليد الفيديو وتقدير العمق ثلاثي الأبعاد إلى تطبيقات الكشف الآلي عن العيوب في التصنيع أو الأمراض في الزراعة. وقد بذلت قصارى جهدي لمواكبة المواضيع التي تهمني أكثر.
أبرز ما في المؤتمر
فيما يلي أحاول استخلاص أكثر النقاط إثارة للاهتمام من المؤتمر في عدة مجالات، من الأفاتار إلى الذكاء الاصطناعي التوليدي والذكاء الاصطناعي القابل للتفسير والزراعة.
أنشئ أفاتارك الخاص مع Synthesia
خلال كلمتهما الرئيسية، استعرض باحثان رئيسيان (Vittorio Ferrari وLourdes Agapito) كيف تطور المجال خلال السنوات الست الماضية، مغطيَين مجموعة من الاختراقات والأبحاث التي تقف خلفها. وتشارك الشركة ما تتعلمه في أوراق محكَّمة في مؤتمرات مثل ECCV، وكذلك في ظهور موجّه إلى جمهور أوسع، مثل الإعلان المعروف «Malaria Must Die» بمشاركة David Beckham.
كنت أعرف بالفعل بعض التقدم في هذا المجال: فمعظم الأفاتارات إما كانت منخفضة الجودة (عند تخصيصها)، أو تُظهر عيوبًا بصرية خطيرة (عادةً حول الشفتين)، أو ببساطة لم تكن جذابة جدًا.
وخلال السنتين الأخيرتين، عالجوا كثيرًا من هذه المشكلات (فالأفاتارات الآن أكثر جاذبية وأعلى جودة، مع ميزات تجريبية لإيماءات اليد). ويبدو أن هذا كان الوضع في 2023، في حين تقدم المجال كثيرًا خلال السنتين الأخيرتين، مع مزامنة أدق للشفاه في أكثر من 150 لغة، وأصوات أكثر جاذبية، وحتى إيماءات اليد).
وتخطط Synthesia قريبًا لإضافة التفاعل مع الأشياء لجعل الأفاتارات أكثر إقناعًا؛ لكن الإمساك الطبيعي بالأشياء مشكلة معروفة تلتقي فيها الرؤية الحاسوبية بالروبوتات.
ذكاء اصطناعي عادل وشفاف وخاضع للمساءلة

قائمة التحقق من الحفاظ على التحيّز مأخوذة من Bias Preservation in Machine Learning: The Legality of Fairness Metrics Under EU Non-Discrimination Law
كلمة رئيسية شيّقة أخرى بعنوان «Fair, transparent and accountable AI: What is legally required, what is ethically desired, and what is technically feasible» ألقتها البروفيسورة Sandra Wachter من جامعة Oxford. وكانت مثيرة للاهتمام بشكل خاص لأنها تناولت بنظرة نقدية قانون الذكاء الاصطناعي الأوروبي (EU AI act) والنظام القانوني الحالي، مشيرة إلى ثغرات كبيرة وصياغات غامضة (انظر تقرير المتحدثة ذا الصلة: Limitations and loopholes of EU AI act) وغياب إرشادات واضحة. وما لم أكن أعرفه من قبل هو أنه تجري الآن صياغة إرشادات أكثر تخصصًا بحسب المجال لتكمل قانون الذكاء الاصطناعي الأوروبي.
وتناولت المحاضرة أيضًا كيفية تصنيف التحيّزات وما آثارها (مثلًا كانت Facebook تسمح للمعلنين باستبعاد المستخدمين على أساس العرق). وجاء أحد التحيّزات اللافتة من هولندا، حيث كان وصول المتقدمين من أعراق معينة والمتقدمين من أحياء معينة إلى القروض العقارية محدودًا. وكان ذلك جزئيًا لأن أنظمة التصنيف الائتماني صنّفت بعض المناطق عالية المخاطر وأخرى منخفضة المخاطر.
وأخيرًا، قدمت البروفيسورة Sandra Watcher علاجًا لذلك يسمى Conditional Demographic Disparity -CDD، وقد أُضيف إلى منظومة AWS في Amazon Clarify، وهي أداة للتحيّز وقابلية التفسير.
الذكاء الاصطناعي القابل للتفسير المرتكز على النموذج وعلى البيانات
كيف تتفعّل الرؤوس المختلفة في بنية CLIP، المصدر: Interpreting the Second-Order Effects of Neurons in CLIP
كانت ورشة «Explainable Computer Vision» نقطة بارزة أخرى، إذ قدمت محاضرة من جزأين من BAIR تعرض نهجين مختلفين للذكاء الاصطناعي القابل للتفسير. جاء الجزء الأول من Yossi Gandelsman، الذي وصف عمله في فهم كيفية إسهام وحدات الانتباه الفردية في CLIP (التي تقوم عليها معظم تطبيقات الذكاء الاصطناعي التوليدي في الرؤية الحاسوبية اليوم). وكان عملًا رائدًا، إذ حدد بحثه رؤوس الانتباه المسؤولة عن خصائص مثل:
- الموقع الجغرافي
- الألوان
- الأنسجة
- الحيوان
- وغير ذلك الكثير.
وركّز الجزء الثاني من المحاضرة على منظور البيانات (برسم أوجه تشابه مع EigenFaces، المبنية على فكرة أن كل وجه في العالم يمكن التعبير عنه بتركيبة موزونة من نحو 100 وجه). وهنا رأى البروفيسور Alexei A. Efros أنه بدلًا من التركيز على تفسير سلوك الخوارزميات المختلفة، ينبغي أن ننتقل من نهج يرتكز على النموذج («أي جزء من النموذج اتخذ هذا القرار») إلى نهج يرتكز على البيانات («أي بيانات أدت إلى هذا»). ويشير بحثه إلى أن ذلك ممكن على مجموعات بيانات أصغر وخاضعة للتحكم، مع آفاق مشجعة لمجموعات بيانات أكبر وأكثر تنوعًا (مثل ImageNet أو LAION-4b).
فلاتر Clay وترويض فاتورة AWS ضخمة بشكل غير متوقع
فلتر Clay الذي انتشر على نطاق واسع من Bending Spoons، المصدر recodechinaai.substack.com
جاء هذا الحديث من Bending Spoon، إحدى الجهات الراعية، التي وصفت الموجات المتتالية من الاهتمام بمنتجها لتوليد الفلاتر. في أوروبا تُعرف الشركة بتطبيق يحوّل الصور العادية إلى صور رسمية للاستخدام في LinkedIn. وفي آسيا، كانت ميزة فلتر Clay هي ما جعلها مشهورة.
وشرحوا كيف أتاح التقدم في Stable Diffusion بناء فلاتر جذابة (مثل Corporate Headshots) وأي الدول والمنصات أبدت أكبر اهتمام (والدول الآسيوية في الصدارة).
وكانت أحدث موجة وأكبرها من الضجة (حول توليد فلاتر Clay) كبيرة إلى درجة أنهم تكبدوا في يوم واحد فاتورة بقيمة 300 ألف دولار لذلك اليوم وحده. فاضطروا إلى التحرك سريعًا وخفض استخدامهم للسحابة بسرعة، مع الحفاظ على . وكان حلهم في الواقع بسيطًا إلى حد كبير: قبلوا صورًا أصغر وولّدوها، وانتقلوا إلى وحدات GPU أصغر وأرخص، وأخيرًا خفضوا زمن التدريب كثيرًا).
وقد خفّض هذا تكاليفهم 10 أضعاف، مما يُظهر أن التعديلات الصغيرة قد تُحدث فرقًا كبيرًا.
التقدم في الزراعة وتوصيف النباتات
أقنعة تجزئة لأمراض الأوراق. المصدر: A new Large Dataset and a Transfer Learning Methodology for Plant Phenotyping in Vertical Farms
بما أن الزراعة من اهتماماتي الكبيرة، فقد حضرت محاضرات ورشة «Computer Vision in Plant Phenotyping and Agriculture» (CVPPA).
والحديث الذي برز أكثر من غيره بالنسبة إليّ في هذه الورشة ألقته الدكتورة Fiora Pirri من DeepPlants، التي عرضت مشروعًا لبناء مجموعة بيانات للكشف عن الأمراض، نُشرت على HuggingFace. وكانت المفاجأة الأكبر مدى تعقيد خط المعالجة (5 بنى مختلفة على الأقل و2-3 أنماط: RGB والعمق وغيرهما). ويمكن لمجموعة البيانات أن تدفع قدمًا بالكشف المبكر عن الأمراض (من مقاطع فيديو كاميرا الهاتف المحمول) في الدول المحرومة وتقلل الضرر الذي تسببه الأمراض. وكان من المثير للاهتمام أيضًا سماع أفكار متنوعة تبني على التقدم في الرؤية الحاسوبية (مثل استخدام Stable Diffusion لتوليد عينات من أمراض معينة لتحسين تصنيفها).
الاستنتاجات
في هذا المقال الموجز استعرضت أحدث ما توصلت إليه التقنية في خمسة مجالات مختلفة – من الأفاتارات، مرورًا بالتقدم في المجالات التطبيقية مثل الزراعة، إلى فهم النماذج والبيانات واكتشاف التحيّز في بياناتك.
كان ECCV فرصة ممتازة لمعرفة أين يقف SOTA حاليًا، وكيف يؤثر التقدم في مجال ما في المجالات الأخرى (مثل الزراعة أو الصناعة الطبية)، ولاختبار أحدث ما في المجال عمليًا.