ما هو مؤكد بشأن الذكاء الاصطناعي البصري والفيديو

هندسة المطالبات البصرية مصطلح مفيد لمناقشة كيفية إيصال الأشخاص نواياهم الإبداعية إلى أنظمة الذكاء الاصطناعي التي تعمل مع الصور أو الفيديو. لكن لا ينبغي استخدام هذه العبارة دليلاً على أن مختبراً بحثياً بعينه أصدر نموذجاً أو ورقة أو واجهة أو منتجاً جديداً. تدعم الأدلة التي جرت مراجعتها لهذا التحديث صورة أكثر حذراً: اهتماماً بحثياً راسخاً بالفيديو التوليدي، وتحديثاً حديثاً من Meta لاكتشاف الفيديو وتتبع العناصر فيه في الوقت الفعلي، وعرضاً تدريبياً إقليمياً يركز على إنتاج المحتوى البصري المدعوم بالذكاء الاصطناعي.

قدّم منشور Meta البحثي الرسمي، المنشور في ١٦ نوفمبر ٢٠٢٣، Emu Video وEmu Edit بوصفهما محطتين بحثيتين في الذكاء الاصطناعي التوليدي. ويحدد عنوان ذلك الإعلان صراحة توليد الفيديو من النصوص وتحرير الصور. ويمثل ذلك سياقاً ذا صلة بأي نقاش حول التفاعل مع نماذج الفيديو، لأنه يؤكد أن التوليد البصري والتحرير كانا مجالين نشطين في أبحاث الذكاء الاصطناعي. لكن المصدر المقدم لا يثبت الوصول الحالي إلى المنتج، أو API للمطورين، أو الأسعار، أو أوزان النماذج، أو الإتاحة الإقليمية، أو قياسات الأداء لتلك الأنظمة البحثية. ولا ينبغي افتراض هذه الحقائق.

يقدم إعلان رسمي آخر من Meta، مؤرخ في ٢٧ مارس ٢٠٢٦، SAM ٣.١. وتصف Meta نموذج SAM ٣.١ بأنه بديل مباشر لـ SAM ٣، وتؤطر التحديث حول اكتشاف الفيديو وتتبع العناصر فيه في الوقت الفعلي بسرعة أكبر وبإتاحة أوسع، وتعدد الإرسال، والاستدلال الشامل. ولا ينتمي هذا إلى الفئة نفسها الخاصة بمولدات الفيديو من النصوص. لكنه يظل ذا صلة كبيرة بمنظومة الذكاء الاصطناعي البصري الأوسع: فقد يتضمن سير عمل الفيديو ليس فقط توليد اللقطات، بل أيضاً اكتشاف الكيانات البصرية وتتبعها عبر الفيديو.

هذا التمييز مهم. فكثيراً ما يُستخدم مصطلح «ذكاء اصطناعي للفيديو» كتسمية جامعة، رغم أن المهام الأساسية تختلف اختلافاً كبيراً. يتعلق توليد الفيديو من النصوص بإنشاء مخرجات فيديو انطلاقاً من توجيهات نصية. ويتعلق تحرير الصور بتغيير المادة البصرية. بينما يتعلق اكتشاف الفيديو وتتبعه بتحديد العناصر في الفيديو ومتابعتها. ويبدأ التقييم المسؤول بتسمية المهمة بدقة، ثم التحقق مما إذا كان المصدر المستشهد به يدعم فعلاً الادعاءات بشأن تلك المهمة.

تصحيح: ادعاء النشر من DeepMind غير متحقق منه

تنص المسودة الأصلية على أن فهرس منشورات Google DeepMind يسرد ٢٦٠ ورقة، ويتضمن إدخالاً بتاريخ ٢٨ يوليو ٢٠٢٦ بعنوان «هندسة المطالبات البصرية لنماذج الفيديو». كما تقدم روابط نشر وتواريخ وعناوين وإدخالات محيطة محددة، ووصفاً لما تكشفه صفحة الفهرس المزعومة أو لا تكشفه. ولا يظهر أي من تفاصيل Google DeepMind هذه ضمن السياق الموثق المقدم لهذا التدقيق.

وبناءً عليه، لا تكرر هذه المقالة عنوان الورقة المزعومة بوصفه حقيقة ثابتة، ولا تستشهد بعناوين URL المزعومة الخاصة بـ DeepMind بصفتها أدلة موثقة، ولا تصف حالة صفحة نشر مزعومة. تحتوي المواد المقدمة على مصادر رسمية من Meta وصفحة دورة لمعهد الجزيرة للإعلام؛ ولا تتضمن مصدراً من Google DeepMind يؤكد الحدث الإخباري المركزي في المسودة.

هذه المسألة تتجاوز مجرد تنظيم تحريري. ففي تغطية الذكاء الاصطناعي سريعة التطور، قد يُخطأ في اعتبار عنوان يبدو معقولاً إصداراً مؤكداً. وحين يحدث ذلك، تتراكم غالباً ادعاءات لاحقة: فقد يستنتج القراء وجود بنية نموذج، أو طريقة إدخال متعددة الوسائط جديدة، أو نتائج معايير أداء، أو كود، أو وصول تجاري، أو خارطة طريق للمنتج. ولا يبرر أي من هذه الاستنتاجات من دون وثائق أولية.

للقراء الذين يدرسون هندسة المطالبات البصرية، القاعدة العملية واضحة: تحقق من المصدر الأولي، وحدد المهمة الدقيقة، وميّز بين لغة البحث ولغة المنتج. فقد يثبت منشور مدونة أو إعلان بحثي أو وصف دورة أو عنوان وحده وجود اهتمام بموضوع ما، لكنه لا يثبت تلقائياً تفاصيل النشر. قبل الإبلاغ عن ميزة، أكد وجودها في المصدر. وقبل الإبلاغ عن مقياس، أكد المقياس وما الذي يقيسه. وقبل الإبلاغ عن الإتاحة، أكد المنتج المعني والمنطقة وشروط الوصول.

الحقائق المؤكدة

لماذا تهم هندسة المطالبات البصرية

حتى من دون التعامل مع ادعاء DeepMind غير المتحقق منه كخبر، يستحق موضوع المطالبات البصرية الاهتمام. الفيديو وسيط بصري وزمني. وغالباً ما يحتاج المبدعون إلى إيصال ما هو أكثر من موضوع أو حالة مزاجية عامة: فقد يحتاجون إلى التعبير عن تسلسل، أو علاقة مقصودة بين مشاهد، أو مرجع بصري، أو طلب تحرير. ولذلك، لا تعتمد جودة سير عمل الذكاء الاصطناعي للفيديو على المخرجات وحدها، بل أيضاً على مدى وضوح قدرة المستخدم على إيصال النتيجة المقصودة وتقييم ما إذا كانت قابلة للاستخدام.

النقطة الرئيسة هنا مفاهيمية وليست ادعاءً بشأن واجهة معينة غير معلنة. يمكن للنص أن يحمل قدراً كبيراً من التوجيه الإبداعي، فيما تستطيع المواد البصرية نقل المعلومات البصرية مباشرة. وقد تدعم الأنظمة المختلفة أشكالاً مختلفة من المدخلات ومهاماً مختلفة. ولا يحدد السياق المراجَع أساليب التحكم البصري التي يستخدمها أي بحث غير مسمى عن «هندسة المطالبات البصرية». كما أنه لا يتحقق من دعم لوحات القصة، أو الرسومات التخطيطية، أو الأقنعة، أو مسارات الكاميرا، أو الصور المرجعية، أو القيود على مستوى الكائن، أو عناصر التحكم في الخط الزمني، أو التحرير التفاعلي. ويجب أن تبقى هذه التفاصيل التنفيذية خارج التقرير المدقق للحقائق ما لم يؤكدها مصدر أولي.

ما يمكن قوله بأمان هو أن التحكم يمثل محوراً للتقييم. وينبغي للفريق الذي يدرس استخدام الذكاء الاصطناعي في الإنتاج البصري أن يسأل عما إذا كان النظام يناسب مهمة الإنتاج المطروحة. هل الحاجة هي توليد تسلسل بصري جديد، أم تحرير أصل موجود، أم تحديد العناصر البصرية وتتبعها في الفيديو؟ هذه متطلبات مختلفة، وتشير المصادر المراجعة هنا إلى مجالات متميزة: فإعلان Meta البحثي عن Emu يذكر توليد الفيديو من النصوص وتحرير الصور، بينما يذكر تحديث Meta لـ SAM ٣.١ اكتشاف الفيديو وتتبع العناصر فيه في الوقت الفعلي.

قد يؤدي الخلط بين هذه الفئات إلى قرارات شراء أو نشر ضعيفة. فلا ينبغي وصف أداة مرتبطة بالتتبع بأنها مولد فيديو لمجرد أن كليهما يعمل على الفيديو. وبالمثل، لا ينبغي وصف إعلان بحثي عن توليد الفيديو من النصوص بأنه دليل على نظام تتبع جاهز للإنتاج. وتساعد اللغة الدقيقة فرق الإعلام والقادة التقنيين وأصحاب المصلحة في المشتريات على وضع توقعات مناسبة.

SAM ٣.١: تحديث مؤكد للذكاء الاصطناعي للفيديو في ٢٠٢٦

يمثل SAM ٣.١ أوضح تحديث حالي متعلق بالفيديو في المواد الموثقة. ويقول إعلان Meta الصادر في ٢٧ مارس ٢٠٢٦ إن الإصدار بديل مباشر لـ SAM ٣، ويؤكد تحسينات تهدف إلى جعل اكتشاف الفيديو وتتبع العناصر فيه في الوقت الفعلي أسرع وأكثر إتاحة. كما يحدد عنوان الإعلان تعدد الإرسال والاستدلال الشامل.

بالنسبة إلى صانعي القرار، من المهم عدم توسيع نطاق هذا الوصف بما يتجاوز ما يثبته. فالسياق المقدم لا يوفر قيم معايير الأداء، أو متطلبات الأجهزة، أو تكاليف الاستدلال، أو شروط API، أو تفاصيل الترخيص، أو مناطق النشر، أو قائمة بالمنصات المدعومة. كما أنه لا يحدد كيفية دمج SAM ٣.١ في سير عمل معين لإنتاج الوسائط. وتتطلب الادعاءات بشأن هذه المسائل وثائق رسمية إضافية.

مع ذلك، يوضح التحديث انقساماً مهماً داخل الذكاء الاصطناعي البصري. فبعض الأعمال تستهدف توليد الصور والفيديو أو تحريرهما. وأعمال أخرى تستهدف فهم الفيديو، بما في ذلك الاكتشاف والتتبع. وفي سير العمل التنظيمي الفعلي، قد تُقيّم هذه القدرات جنباً إلى جنب، لكن ينبغي تقييمها وفقاً لوظائفها الموثقة الخاصة. فقد يحتاج فريق الإنتاج إلى أصول توليدية؛ بينما قد يحتاج فريق العمليات أو التحليلات بدلاً من ذلك إلى استمرار المعلومات البصرية عبر بث فيديو مباشر. ويدعم المصدر الموثق هذا الإطار الأخير بالنسبة إلى SAM ٣.١.

كما أن استخدام Meta لعبارة «بديل مباشر» ذو دلالة بمعنى عملي ضيق: فهو يضع SAM ٣.١ كتحديث لـ SAM ٣، لا كنظام منفصل تماماً. وبعيداً عن ذلك، ينبغي للقراء تجنب الافتراضات بشأن جهد الترحيل أو تفاصيل التوافق، ما لم يراجعوا المواد الرسمية الكاملة ويختبروا التنفيذ المعني.

أهمية دول الخليج والشرق الأوسط: بناء مهارات الذكاء الاصطناعي البصري

بالنسبة إلى المتخصصين في الإعلام والإبداع بدول الخليج والشرق الأوسط الأوسع، تتمثل الإشارة الإقليمية المؤكدة المباشرة في المواد المراجعة في التعليم وتنمية المهارات. يدرج معهد الجزيرة للإعلام دورة «إنتاج المحتوى البصري المدعوم بالذكاء الاصطناعي» المقرر عقدها من ١٣ سبتمبر إلى ١٥ سبتمبر ٢٠٢٦. وتمتد الدورة المدرجة من ٠٩:٠٠ إلى ١٦:٠٠، وتذكر محمد متولي مدرباً لها، وتندرج ضمن فئة الذكاء الاصطناعي.

ينص وصف الدورة على أن الذكاء الاصطناعي التوليدي أصبح قوة محورية في إعادة تعريف إنتاج الصور والفيديو. ويعرض الإبداع البصري باعتباره يجمع بين الحس الفني والفهم التقني، ويصف استخدام الأفكار والنصوص لإنشاء مخرجات بصرية احترافية للسرديات الإعلامية والمحتوى الرقمي. وتشمل متطلباتها الأساسية إلماماً أساسياً بالأدوات الرقمية ومنصات الوسائط المتعددة، إلى جانب اهتمام بتنمية مهارات الإنتاج البصري والتقنيات الناشئة.

وهذا مهم للمؤسسات في أنحاء المنطقة لأن بناء القدرات ينبغي أن يواكب تقييم الأدوات. فنظام بصري توليدي لا يلغي الحاجة إلى الحكم التحريري، أو الثقافة البصرية، أو الانضباط في سير العمل. وتحتاج الفرق إلى معرفة المهمة التي تطلب من النظام تنفيذها، والمخرجات التي يمكنها التحقق منها، والادعاءات التي لا تزال غير مؤكدة. ويمكن للتدريب الذي يصل الممارسة الإبداعية بالفهم التقني أن يساعد الفرق على تطوير عملية تقييم أكثر واقعية.

لا يتحقق السياق المقدم من مبادرة وطنية محددة للذكاء الاصطناعي، أو نشر سحابي محلي، أو شراكة حكومية، أو إتاحة إقليمية للمنتج لأي من الأنظمة المذكورة أعلاه. ولذلك، لا تنسب هذه المقالة الأدوات التي نوقشت إلى رؤية السعودية ٢٠٣٠، أو الاستراتيجية الوطنية للذكاء الاصطناعي في الإمارات، أو SDAIA، أو G42، أو NEOM، أو stc، أو e&، أو أي جهة إقليمية أخرى. وقد تكون هذه الروابط مهمة في تقارير أخرى، لكنها تتطلب أدلة خاصة بالمصدر.

قائمة تحقق عملية للتحقق من ادعاءات الذكاء الاصطناعي للفيديو

عند تقييم ادعاء بشأن المطالبات البصرية، أو الفيديو التوليدي، أو التحرير، أو الاكتشاف، أو التتبع، ابدأ بالمصدر الأولي. أكد تاريخ النشر والناشر والعنوان، وما إذا كان العنصر بحثاً أو إعلان منتج أو وثائق تقنية أو دورة تدريبية. تمنع هذه الخطوة الأولى التعامل مع إدخال في فهرس أو ملخص ثانوي على أنه مواصفة تقنية كاملة.

• حدد المهمة: هل يتعلق الادعاء بتوليد الفيديو من النصوص، أو تحرير الصور، أو اكتشاف الفيديو، أو تتبع الفيديو، أو مهمة أخرى؟
• أكد النظام: تحقق من أن المصدر يسمي النموذج أو المنتج المعني، وأن القدرة المدعاة موصوفة بالفعل.
• افصل البحث عن الوصول: المحطة البحثية لا تعني تلقائياً منتجاً عاماً أو API أو نموذجًا قابلاً للتنزيل أو خدمة تجارية.
• اطلب أدلة قابلة للقياس: لا تذكر السرعة أو الدقة أو الاتساق أو التكلفة أو التفوق في معايير الأداء ما لم توفر المواد الأولية هذه الأرقام وشروطها.
• تحقق من الادعاءات الجغرافية: لا تفترض أن المعلومات العامة تعني إتاحة خدمة في كل سوق من أسواق دول الخليج أو الشرق الأوسط.
• اختبر سير العمل المعني: إذا كان المنتج متاحاً، فقيّمه وفق متطلبات المؤسسة الموثقة الخاصة، بدلاً من الاعتماد على مثال ترويجي وحده.

تتسم قائمة التحقق هذه بالتحفظ المتعمد. فهي لا تتنبأ بما ستقدمه نماذج الفيديو المستقبلية، بل تساعد القراء على التمييز بين المعلومات المؤكدة والتوقعات المعقولة لكنها غير المثبتة. ويكتسب هذا التمييز قيمة خاصة عندما تتطور فئات المنتجات بسرعة، وعندما يمزج النقاش العام بين الأبحاث والعروض التوضيحية والأدوات التجارية.