في عصر تتزايد فيه حوادث المرور، أصبحت الحاجة إلى فهم أفضل للأسباب والدوافع خلف تلك الحوادث أمرًا ملحًا. اعتمدت الدراسات الحديثة في مجال فهم حوادث المرور غالبًا على بيانات مكلفة مثل لقطات الكاميرات المثبتة في البنية التحتية أو الصور الفضائية، مما يجعلها غير قادرة على التقاط ما شاهده السائق فعليًا قبل وقوع الحادث. هنا يظهر دور فيديوهات الحوادث الذاتية، التي تعكس منظور السائق بشكل مباشر، مما يجعلها مناسبة لفهم إمكانية تجنب الحوادث وتحليل مسؤولية السائقين.

في دراستنا الجديدة، نطرح فكرة تقدير توزيع المسؤولية في فيديوهات حوادث المرور ذات المنظور الذاتي. تتطلب هذه المهمة الجديدة نموذجًا يتنبأ بنسبة المسؤولية المخصصة لكل طرف معني. لإنجاز ذلك، قمنا بتطوير عملية توضيح المسؤولية بمساعدة نماذج لغوية كبيرة (LLMs) وقمنا بتحسينها باستخدام بيانات متعددة الأبعاد، بما في ذلك الإطارات الخام، وبيانات تحسين التقسيم، والأوصاف النصية.

أثبتت النتائج التجريبية أن نماذج LLM متعددة الوسائط قادرة على تنفيذ هذه المهمة المعقدة بفعالية. تشير نتائجنا إلى أن الفيديوهات الذاتية للحوادث توفر أساسًا واعدًا لفهم تفصيلي من الناحية الاجتماعية والقانونية، متجاوزة الأساليب التقليدية في تصنيف الحوادث وشرحها.

مع تقدم هذه التكنولوجيا، يمكن أن يحدث تغيير كبير في كيف نفهم ونتعامل مع حوادث المرور، مما يتيح لنا تحقيق حلول أكثر أمانًا للجميع. هل أنتم متحمسون لهذا التطور في الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!