نموذج Mirage يحلل الصور بلا إنترنت ويجمع 6 مهام في 22 ميغابايت
أعلنت شركة Cactus Compute نموذج الذكاء الاصطناعي Mirage، وهو نموذج بصري حجمه 22 ميغابايت يمكن تشغيله محليًا على الهواتف الذكية من دون اتصال بالإنترنت. ويستطيع النموذج إنجاز ست مهام لتحليل الصور في عملية واحدة، كما حلل صورة على هاتف خلال أقل من ثانية، وفقًا للشركة.
يضم Mirage نحو 51.3 مليون مُعامل، ويجمع بين وصف المشاهد واكتشاف الأجسام وتحديد مواقعها وقراءة النصوص داخل الصور وتقسيمها وتحليل العلاقات المكانية بين العناصر واتخاذ القرارات. ويمكنه تحديد الأجسام الظاهرة ومواقعها، وقراءة الكتابات في الصورة، وبيان العلاقات بين عناصرها، من دون تشغيل نموذج منفصل لكل مهمة.
تقنية تكميم تقلّص حجم النموذج
تعزو Cactus Compute الحجم الصغير للنموذج إلى تقنية تكميم طورتها باسم Cactus Quants وتعتمد على دقة 2 بت. وتقلّص التقنية أوزان النموذج، الذي يضم 51.3 مليون مُعامل، إلى نحو 22 ميغابايت، ما يتيح له تنفيذ مهام بصرية تتطلب عادةً ذاكرة وقدرة معالجة كبيرتين باستخدام موارد محدودة.
وتشمل مهام النموذج تحديد مواقع الأجسام داخل الصورة باستخدام مربعات إحاطة، إلى جانب تقسيم الصورة ورسم حدود العناصر بمضلعات أو أقنعة نقطية. كما يحلل العلاقات المكانية بين الأجسام؛ فلا يكتفي بالتعرف إليها، بل يحدد مواقعها وعلاقاتها، ويقرأ النصوص الظاهرة فيها.
اختبارات على Galaxy S26 واستخدامات متعددة
تقول الشركة إن Mirage حلل صورة على هاتف Samsung Galaxy S26 خلال 74 ميلي ثانية عند تشغيله على وحدة المعالجة العصبية (NPU)، واستغرق التحليل 107 ميلي ثانية عند استخدام وحدة المعالجة المركزية (CPU). ولم تُتحقق اختبارات مستقلة من هذه النتائج حتى الآن.
ويمكن تشغيل Mirage محليًا على الهواتف، وكذلك داخل متصفح الإنترنت أو عبر Python. كما يستطيع المطورون دمجه في تطبيقاتهم بعد تثبيت الحزم اللازمة. ولا تقتصر مخرجاته على الأوصاف باللغة الطبيعية، إذ يقدم بيانات JSON منظمة يمكن للأنظمة الأخرى معالجتها مباشرة.
وتتضمن هذه البيانات إحداثيات على مقياس من 0 إلى 1000، ودرجات ثقة، ورسومًا بيانية للمشهد توضّح العلاقات بين الأجسام. وتتيح هذه الصيغة لأنظمة مثل الأذرع الروبوتية استخدام نتائج التحليل مباشرةً لفهم محيطها. وتقول الشركة إن النموذج صُمم أيضًا لاستخدامه في الروبوتات والتفتيش الميداني.
دعم سبع لغات وحدود في تحليل الصور
تدعم ميزة وصف المشاهد في ميراغه سبع لغات: الإنجليزية والألمانية والفرنسية والإسبانية والإيطالية والهولندية والبولندية. في المقابل، تقر الشركة بأن النموذج قد لا يكتشف بعض الأجسام في المشاهد المعقدة، وقد يرتكب أخطاء بسيطة عند قراءة الحروف ذات العلامات الصوتية باستخدام تقنية التعرف الضوئي على الحروف (OCR).
ويقدم Mirage مثالًا على إمكان جمع مهام متعددة لتحليل الصور في نموذج صغير يعمل على أجهزة محدودة الموارد، مع بقاء بعض القيود في دقة التعرف على المشاهد والنصوص.
المصدر: donanimhaber