في عالم التكنولوجيا الحديثة، يتزايد الاهتمام بمراقبة سلوكيات الأفراد في المنازل الذكية (Smart Homes) وذلك بسبب التطبيق الواسع للنماذج الأولية (Foundation Models). في هذا السياق، تم تقديم نموذج DomusFM كأداة هامة لمراقبة سلوكيات الأحداث والاستفادة من البيانات المستندة إلى الأحداث.

يعد نموذج DomusFM خطوة ثورية في هذا المجال، حيث يعتمد على التعلم الذاتي المزدوج (Self-Supervised Dual Contrastive Learning) لتمكين تحليل البيانات المستندة إلى الأحداث. هذه التقنية تتيح للنموذج فهم السمات السلوكية والتفاعلات الزمنية بطريقة أكثر دقة. وبفضل تكامل الانغماسات الدلالية من نموذج لغوي خفيف وموحدات متخصصة لتحليل الأنماط الزمنية، يقوم DomusFM بتعلم تمثيلات قابلة للتحويل يمكن استخدامها في مجموعة متنوعة من البيئات المنزلية الذكية.

تظهر نتائج الاختبارات التي أجريت على سبع مجموعات بيانات عامة في هذا المجال أن DomusFM يتفوق باستمرار على نماذج الأساس التقليدية في ثلاثة مهام رئيسية: تعرف الأنشطة اليومية (ADL)، وتوقع الأحداث التالية (Next-k Event Prediction)، وتجمع البيانات غير الخاضعة للإشراف (Unsupervised Clustering).

يتيح هذا النموذج، الذي يمتلك حيزاً صغيراً من الذاكرة، إمكانية نشره على الأجهزة الطرفية، مما يجعله أداة مثالية للاستخدام في البيئات المعقدة.

إن تسليط الضوء على مثل هذه النماذج الأساسية في مجال الذكاء الاصطناعي يعكس التطور المستمر في كيفية استخدام التكنولوجيا لتحسين جودة الحياة وتقديم الرعاية الصحية عن بُعد. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.