في عصر الذكاء الاصطناعي، يعد التعرف على أنشطة الإنسان (Human Activity Recognition - HAR) أحد التطبيقات البارزة في مجالات الرعاية الصحية، والتأهيل، وتتبع اللياقة البدنية، والبيئات الذكية. لكن، كانت الطرق التقليدية تعتمد بشكل كبير على تدريب نماذج معقدة على مجموعات بيانات ضخمة وموسومة، مما يتطلب موارد حوسبة عالية.

ولكن، مع ظهور تقنية RAG-HAR، أصبحت الأمور أبسط بكثير. تعتمد RAG-HAR على إطار عمل جديد يدمج البحث المعزز (Retrieval Augmented Generation) مع نماذج لغوية كبيرة (Large Language Models - LLMs)، مما يوفر حلاً فعالًا دون الحاجة لتدريب النماذج. تقوم RAG-HAR بحساب أوصاف إحصائية خفيفة الوزن، واسترجاع عينات مشابهة دلاليًا من قاعدة بيانات شعاعية، واستخدام هذه الأدلة السياقية لتحديد الأنشطة بتقنية LLM.

ولزيادة كفاءة النظام، يتم تطبيق تحسينات على prompts، بالإضافة إلى إدخال وصف الأنشطة الذي يعتمد على LLM والذي يمكّن من إنشاء قواعد بيانات شعاعية غنية بالسياق، مما يوفر معلومات دقيقة وذات صلة.

قدمت RAG-HAR أداءً مذهلاً عبر ستة مقاييس مختلفة للتعرف على أنشطة الإنسان، مما يدل على قدرتها على التفوق دون الحاجة إلى تدريب النموذج أو ضبطه، مما يؤكد على مرونتها وقابليتها للتطبيق العملي. والأهم من ذلك، تمكن RAG-HAR من التعرف على سلوكيات جديدة متعددة، مما يتيح تصنيفها بشكل ذو مغزى مما يعد ثورة في هذا المجال.

فهل تتخيل عالماً حيث يمكن للذكاء الاصطناعي فهم كل حركة تقوم بها؟ شاركونا آراءكم حول هذه التقنية المدهشة في التعليقات!