Rea Stark
AR

مقالات

العالم ليس مسطحاً

بقلم ،‏ ، حُدّث في

تعلّم الذكاء الاصطناعي العالم من صور مسطحة. والروبوت الذي يمد يده إلى درج يحتاج إلى العمق، وهو ما يحصل عليه الطفل من عينين ويد.

يدا طفل صغير تقبضان على كرة خشبية فوق أرضية خشبية

ثلاثة وستون ملليمتراً. هذه تقريباً المسافة بين بؤبؤي عيني الإنسان البالغ. وبسبب هذه الفجوة تتلقى كل عين صورة مختلفة قليلاً، ويحول الدماغ الفرق إلى إدراك للعمق. الصورة الفوتوغرافية تحتفظ بإحدى الصورتين وترمي الأخرى.

تعلّم الذكاء الاصطناعي الرؤية من الصور الفوتوغرافية. تضم LAION-5B، وهي مجموعة بيانات مفتوحة صدرت عام 2022 لتدريب نماذج الصور، 5.85 مليارات صورة مرفقة بتعليقات، وكلها مسطحة. ومنذ ذلك الحين انتقلت الصناعة إلى نماذج العالم، وهي أنظمة يُراد لها أن تفهم الفضاء المادي فهماً يكفي للفعل فيه، وهي تطعمها الغذاء نفسه. إنها تعلّم الآلات عن عالم لم تره قط إلا بعين مغمضة. ثم تتساءل لماذا يتعثر الروبوت أمام درج.

الكاميرا آلة جمع. كل بكسل يجمع الضوء الذي يصله عبر العدسة ويخزن قيمة سطوع. وفي تلك اللحظة يضيع الاتجاه الذي جاء منه كل شعاع، وتضيع معه هندسة المشهد. سيارة لعبة قريبة من العدسة وسيارة حقيقية في الجهة الأخرى من الشارع قد تقعان على البكسلات نفسها.

أما حقل الضوء فيحتفظ بالاتجاه أيضاً. في 1996 عرّفه مارك ليفوي وبات هانراهان من جامعة ستانفورد بأنه «الإشعاعية عند نقطة في اتجاه معين». سجّل شدة الضوء ومن أين يأتي، تحتفظ الصورة بعمقها.

وصلت إلى حقول الضوء من أبحاث عن الطريقة التي تصنع بها العينان العمق. أردت صوراً تحتفظ به. وكان لسوق المستهلكين رأي آخر. باعت Lytro، التي تأسست عام 2006، كاميرا لحقل الضوء كانت حيلتها الاستعراضية إعادة ضبط تركيز اللقطة بعد التقاطها، ثم أغلقت عام 2018. لم يكن في التقنية عيب. كان زبونها هو الزبون الخطأ. فمن لهم عينان لا يحتاجون إلى كاميرا تخبرهم أين الأشياء. أما الآلة فتحتاج.

لوح زجاجي فوق قماش مربعات على طاولة طويلة، وتحته أرضية مربعات، في مختبر قديم

إدراك العمق يحتاج إلى يد

قدمت Google DeepMind في أغسطس 2025 النموذج Genie 3 بوصفه نموذجاً للعالم متعدد الأغراض، وقالت إنه قد يمنح الروبوتات فضاءً شاسعاً للتدرب. يعرض عوالمه بدقة 720p وبمعدل 24 إطاراً في الثانية. ومهما يكن ما يعرفه النموذج في داخله، فما يعرضه صورة مسطحة تتحرك. صحيح أن الفيديو يحمل زاوية نظر ثانية كلما تحركت الكاميرا، لكن أحداً لم يدوّن أين ذهبت الكاميرا، فلا بد من تخمين ذلك أيضاً.

أجرى علم النفس التجربة الحاسمة عام 1963. وضع ريتشارد هيلد وآلان هاين عشرة أزواج من القطط الصغيرة في دوّارة. في كل زوج كانت قطة تمشي، والأخرى تركب في سلة تجرها الأولى، فكانت الاثنتان تريان الجدران المخططة نفسها ثلاث ساعات في اليوم. تعلمت القطط الماشية أن تضع أقدامها بالاستعانة بالبصر، واختارت الجانب الضحل من «الهاوية البصرية» في كل مرة. أما الراكبة فرأت بالضبط ما رأته الماشية، ولم ينفعها ذلك إلا قليلاً.

الإبصار، بحسب هذا الدليل، شيء يفعله الحيوان، والمشاهدة بديل هزيل عنه. والطفل يحصل على العدة كاملة مجاناً: زاويتا نظر ويد. العينان تخبران اليد إلى أين تذهب، واليد تخبر العينين هل أصابتا. يعرف صانعو الروبوتات هذا، فيثبتون أجهزة استشعار للعمق على آلاتهم. أما النماذج التي يُفترض أن توفر الفهم فقد نشأت مع ذلك على صور مسطحة.

العمق من صورة واحدة

تستطيع البرمجيات أن تستعيد بالحساب جزءاً من البعد المفقود. فقد صار تقدير العمق من عين واحدة جيداً جداً. يرسم Depth Anything V2، المنشور عام 2024، خريطة عمق مقنعة من صورة واحدة، ويعيد Depth Pro من Apple خريطة بمسافات مطلقة في 0.3 ثانية. لو كانت عين واحدة تكفي النموذج، لما كان الأرشيف المسطح عائقاً.

منظار قديم على حافة نافذة

انظر كيف تعلمت هذه النماذج. تعلّم Depth Anything V2 من 595 ألف صورة اصطناعية، مولدة من مشاهد ثلاثية الأبعاد يُعرف فيها عمق كل بكسل، ثم وسم نموذجه المعلّم 62 مليون صورة حقيقية لنماذجه التلميذة. كان البعد الثالث حاضراً في الغرفة طوال الوقت. وكان على أحد أن يوفره.

ما يضيفه النموذج من عنده هو الذاكرة. الصورة الواحدة ملتبسة من الناحية الهندسية، فيملأ النموذج الفجوة بما تكون عليه مقاسات الأبواب والكراسي عادة. ينجح هذا مع الأشياء التي صادفها من قبل، ومع الصور المصنوعة لكي يُنظر إليها. صورة ممر مثبتة على جدار ترسل إلى عين واحدة ثابتة الصورة نفسها التي يرسلها الممر. والإنسان ذو العين الواحدة يحسم الأمر بتحريك رأسه ومد يده.

عمل الروبوت يجري في السنتيمترات القليلة الأخيرة، حيث يبرز مقبض عن واجهة درج وعلى الأصابع أن تنطبق عليه. والتخمين الذي يصنع خريطة عمق جميلة دليل سيئ هناك. القطط الراكبة في تجربة هيلد وهاين رأت كل خط رأته الماشية. وعلى الهاوية البصرية لم تستطع أن تميز الجانب العميق من الضحل.

Rea Stark مصمم صناعي ومؤسس شركات في زيورخ. صمم لشركتي Sony وNespresso، وشارك في تأسيس Piëch Automotive وArchaí Physics، ويعمل على الطريقة التي تدرك بها الآلات العالم المادي وتتعامل معه.

صور هذا المقال مولدة بالذكاء الاصطناعي.