في عالم الذكاء الاصطناعي، تأتي الابتكارات الجديدة لتنتهي بالتحديات التي تواجه استخدام التقنيات الحديثة في الحياة اليومية. ومن أبرز تلك الابتكارات هو نظام Scale-Gest الذي يغير قواعد اللعبة في اكتشاف الإيماءات (gesture detection) عبر الأجهزة المحمولة.

إن تطوير أنظمة تعلم الآلة (Machine Learning) للاستخدام المباشر على الأجهزة المحمولة يمثل تحديًا كبيرًا حيث يجب أن يتوافر الأداء العالي مع الحفاظ على قيود الطاقة والذاكرة. معظم التطبيقات الحالية تعتمد على كاشفات ثابتة، مما يُقيّد فرص التحسين والابتكار.

يُقدم Scale-Gest إطار عمل مبتكر لاكتشاف الإيماءات، من خلال توسيع مساحة الكاشف إلى مجموعة كثيفة من نماذج Tiny-YOLO. ويتيح هذا الفهم العميق لمتطلبات الطاقة والدقة أن يقدم نماذج ACE (الدقة - التعقيد - الطاقة) مخصصة لجهاز المستخدم.

من خلال تصميم controller خفيف الوزن يعمل في الوقت الحقيقي، يمكن للنظام اختيار الوضع الأنسب بحسب قيود البطارية المحددة من قبل المستخدم، ما يعزز مستوى الكفاءة وتقليل التعقيد.

لقد تم تقييم أداء هذا النظام على سيناريوهات واقعية مثل القيادة، وتم تقديم مجموعة بيانات جديدة بعنوان Driver Simulated Gesture (DSG-18) تحتوي على ملصقات زمنية تسمح بمراقبة دقيقة للأداء.

وأظهرت النتائج انخفاضًا كبيرًا في استهلاك الطاقة، حيث تمكنت تقنية ACE من تقليل استهلاك الطاقة لكل إطار من 6.9 مللي جول إلى 1.6 مللي جول، دون التأثير على الأداء العام في اكتشاف الإيماءات. فمع وجود دقة عالية تتراوح حول 0.8 إلى 0.9 في مستوى F1، وزمن استجابة متوسط قدره 6 مللي ثانية، يُعتبر Scale-Gest إنجازًا يُستحق الاحتفاء به من قبل مجتمع التقنيات الذكية.

ما رأيكم في هذه التقنية الحديثة؟ هل تعتقدون أنها ستغير طريقة تفاعلنا مع الأجهزة؟ شاركونا أفكاركم!