الرؤية الحاسوبية

الرؤية الحاسوبية هي مجال الذكاء الاصطناعي الذي يمنح الآلات القدرة على "الرؤية": أي استخلاص المعنى من الصور ومقاطع الفيديو وتدفقات المستشعرات. بالنسبة للحاسوب، ليست الصورة سوى شبكة من الأرقام (البكسلات)؛ والتحدي هو تحويل هذه المصفوفة الخام إلى مفاهيم مفيدة — "هذا وجه"، "حجم هذا الورم 8 مم"، "هذا المارّ يعبر الطريق".

من البكسل إلى المعنى

الصورة الملوّنة هي موتّر (tensor) بأبعاد ارتفاع × عرض × 3 (قنوات الأحمر والأخضر والأزرق). تتراوح قيمة كل بكسل بين 0 و255:

$$ I \in {0, 1, \dots, 255}^{H \times W \times 3} $$

تاريخيًا، كان المهندسون يصمّمون يدويًا واصفات السمات (الحواف، القوام، الزوايا). ومنذ سنة 2012، أصبحت الشبكات العصبية الالتفافية (CNN) ثم محوّلات الرؤية (ViT) تتعلّم بنفسها السمات المهمّة انطلاقًا من ملايين الأمثلة الموسومة.

المهام الأساسية

تطبيقات ملموسة

• الصحة: رصد الآفات في صور الأشعة والرنين المغناطيسي.
• التنقّل: إدراك المحيط في المركبات ذاتية القيادة.
• الصناعة: مراقبة الجودة آليًا في خطوط الإنتاج.
• الفلاحة: طائرات بدون طيّار تكشف أمراض المحاصيل والإجهاد المائي.

الرؤية الحاسوبية لا "ترى" كما نرى نحن: بل تحسب ارتباطات إحصائية. وقوّتها — وكذلك تحيّزاتها — تعتمدان كليًّا على البيانات التي دُرّبت عليها.