نموذج مبتكر ورخيص للذكاء الاصطناعي يُحدث ثورة في التعرف على لغة الإشارة!

في خطوة تعتبر ثورية في مجال تكنولوجيا التعرف على لغة الإشارة، تم تقديم نموذج منخفض التكلفة يعتمد على الحوسبة المخزنية (Reservoir Computing) لتعزيز التواصل بين الأفراد السامعين وذوي الإعاقة السمعية. فرغم النجاح الذي حققته تقنيات التعلم العميق (Deep Learning) في هذا المجال، إلا أن تكلفتها الحسابية العالية شكلت عائقًا أمام انتشارها على الأجهزة المحمولة.

التقنية الجديدة تستخدم MediaPipe لاستخراج نقاط رئيسية للجسم واليد، مما يساعد في التقاط الديناميات المكانية والزمنية للإشارات. يتم بعد ذلك معالجة هذه النقاط من خلال هيكل هجين للحوسبة المخزنية (Hybrid Reservoir Computing - HRC) يجمع بين تقنيات الحوسبة المخزنية العميقة (Deep Reservoir Computing - DRC) والحوسبة المخزنية ثنائية الاتجاه (Bidirectional Reservoir Computing - BRC). وبفضل هذا التحويل، يتمكن النموذج من تحسين تمثيل الإشارات ويحقق دقة جيدة.

نتائج النموذج أظهرت دقة بنسبة 61.12% في الفئات العُليا، و86.05% في الـTop-5، و92.56% في الـTop-10 عند تطبيقه على مجموعة بيانات فيديو لغة الإشارة الأمريكية 100 (WLASL100). وهذه النتائج اثبتت فعالية هذا النموذج مقارنةً بأساليب التعلم العميق التقليدية، خصوصًا أن وقت التدريب تم تقليصه بشكل كبير ليصبح بضع ثوانٍ فقط.

تعكس هذه التكنولوجيا الآفاق الجديدة للتطبيقات العملية للنماذج عالية الأداء ذات التكلفة المنخفضة، مما يسهل استخدامها بشكل أوسع في الأجهزة المحمولة. كيف ترى مستقبل لغات الإشارة في ظل هذه التطورات؟