تعلمت شركة Apple نماذج الذكاء الاصطناعي الصغيرة أن تصف الصور بشكل أفضل من منافسيها الأكبر حجمًا

أبل تكشف عن تقنية جديدة تُدعى «RubiCap» لوصف الصور

قام علماء شركة أبل بتطوير طريقة باسم *RubiCap* تسمح لنماذج الذكاء الاصطناعي الصغيرة بإنشاء أوصاف أكثر دقة وتفصيلًا للصور مقارنةً بالنماذج الضخمة.

كيف يعمل RubiCap
1. تحليل الصورة

لتكوين نص مفصل، تقوم النموذج أولاً بتعرف عدد من الكائنات والمناطق في الإطار. هذا يمنح فهمًا عميقًا للتكوين بدلاً من وصف سطحى.

2. القيمة العملية

هذه المهارات مفيدة لتدريب نماذج الذكاء الاصطناعي الفرعية، ومولدات الصور بناءً على النص، والوظائف المتخصصة (مثل تحسين المحتوى البصري).

3. مشكلة الموارد

الأساليب التقليدية لتدريب أنظمة الوصف التفصيلي تتطلب استهلاكًا كبيرًا للموارد الحاسوبية في المرحلة الأولية وكذلك أثناء التعلم المعزز لاحقًا.

المنهج التجريبي
- اختيار الصور – تم عشوائيًا اختيار 50 000 صورة من مجموعات *PixMoCap* و *DenseFusion‑4V‑100K*.

- توليد الأوصاف – استخدمت نماذج الرؤية الحاسوبية الموجودة: Google Gemini 2.5 Pro، OpenAI GPT‑5، Alibaba Qwen 2.5‑VL‑72B‑Instruct، Google Gemma‑3‑27B‑IT وAlibaba Qwen 3‑VL‑30B‑A3B‑Instruct، بالإضافة إلى النماذج التي تُدرّب حاليًا في أبل.

- تقييم الجودة – لعب Gemini 2.5 Pro دور الخبير: حلل الأوصاف، كشف التطابقات والأخطاء، وصاغ معايير تقييم واضحة.

- التقييم القضائي – خصصت نموذج Qwen 2.5‑7B‑Instruct النقاط لكل معيار وولدت إشارة مكافأة للنموذج القيد التدريب.

النتائج
- حصل النموذج المتدرب على ملاحظات محددة، ما سمح بتحسين دقة الأوصاف بسرعة دون الحاجة إلى الاعتماد على إجابة «صحيحة» واحدة.

- في النهاية أنشأت أبل ثلاث نماذج خاصة: RubiCap‑2B، RubiCap‑3B وRubiCap‑7B (تواليًا 2، 3 و 7 مليار معلمة).

- عند الاختبارات على مهمة وصف الصور فاز RubiCap بالمنافسين بوجود 32 مليار وحتى 72 مليار معلمة. في بعض الحالات كان RubiCap‑3B أفضل من RubiCap‑7B، مما يؤكد أن حجم النموذج لا يضمن دائمًا أداءً أفضل.

بهذا تُظهر تقنية RubiCap كيف يمكن تحقيق جودة عالية في وصف الصور باستخدام موارد أقل وتدريب أكثر كفاءة.