في عالم طموح يدعو إلى توظيف الذكاء الاصطناعي للتفاعل مع بيانات الطبيعة، ظهر نموذج جديد يُدعى Prompting-MammAlps كخطوة ثورية في استرجاع فيديوهات من مجموعات بيانات الكاميرات الفخية. يواجه هذا المجال تحديات كبيرة، إذ أن العديد من طرق استرجاع الفيديو المبني على نماذج الفيديو-لغة الكبيرة (Large Video-Language Models) قد تشوبها صعوبات تتعلق بفهم الزمان والمكان، ولا تقدم أداءً جيدًا مع البيانات البيئية.

ومع ذلك، أثبتت الأبحاث الأخيرة أن نموذج Prompting-MammAlps قادر على التغلب على تلك المعوقات من خلال تقديم معيار جديد لاسترجاع الفيديو. فقد تم تدريب نموذج قائم على المحولات البصرية (Vision Transformer) ليس فقط على تحديد الأحداث، بل أيضًا لتحويل مخرجاته إلى نصوص منظمة تصف كل فيديو بدقة.

وأكثر من ذلك، يتم استخدام استفسارات مستوحاة من سلوكيات الحيوان بمعالجة نموذج للغة الكبيرة (Large-Language Model) لفرز النصوص المنظمة لكل فيديو واسترجاعها بناءً على ذلك. وبهذا، تحققت نسبة F1-score مركّبة بلغت 34% عند اختبار النموذج على مجموعة اختبار تتضمن 135 استفساراً ذا صلة بيئية و775 فيديو مرشح.

في مقارنة على نحو مثير، حققت أفضل نماذج الفيديو-لغة نتائج بنسبة F1-score قُدرت بـ 18% فقط، بينما كانت تفتقر إلى الشفافية المطلوبة.

في ختام هذا التطور المذهل، يأمل الباحثون في أن يساهم نموذج Prompting-MammAlps في تعزيز البحث البيئي وفهم سلوك الحيوانات من خلال تسهيل الوصول إلى البيانات المرئية.