«أوبن إيه آي» تسد فجوة الرؤية البصرية في عائلة «جي بي تي 5.6»: قفزة في الرصد وتحديات في التكلفة والاستقرار

أظهرت اختبارات قياسية متخصصة أجرتها منصة «روبوفلو» على عائلة نماذج «جي بي تي 5.6» الجديدة من «أوبن إيه آي»، والتي تضم طرازات «سول» و«تيرا» و«لونا»، تحولاً ملموساً في قدرات الرؤية الحاسوبية ومعالجة الصور، بعدما ركز الإعلان الرسمي للشركة على تطبيقات تشغيل الحواسب ووكلاء واجهات المستخدم والتجسيد ثلاثي الأبعاد. وكشفت نتائج القياس المسبق لتقييم النماذج البصرية متعددة الوسائط أن طراز «سول» يمثل أقوى نموذج رؤية تقدمه «أوبن إيه آي» حتى الآن، محققاً طفرة نوعية في مهام رصد الكائنات والعد مقارنة بالجيل السابق «جي بي تي 5.5».

سجل اختبار رصد الكائنات القفزة الأكثر وضوحاً في التقييم، حيث ارتفعت دقة الرصد لطراز «سول» إلى 46.2 نقطة وفق معيار الدقة المتوسطة عند تقاطع خمسين في المئة، مقارنة بنحو 13.8 نقطة فقط سجلها «جي بي تي 5.5». وجاء طرازا «تيرا» و«لونا» في مرتبة متقاربة بتسجيل 44.7 و43.3 نقطة على التوالي، مما ينقل ميزة رصد الكائنات من خانة نقاط الضعف التاريخية للشركة إلى مستوى الإمكانية العملية القابلة للتطبيق. تحويل الرؤية من عقبة تقنية إلى أداة عملية يبدأ من تحسين قراءة تخطيط المستندات ورصد المشاهد المكانية المكتظة بدقة إحداثية واضحة. وقد برزت هذه القوة في استيعاب بنية الوثائق المعقدة عبر تمييز العناوين والفقرات والجداول والصور والتوقيعات، إلى جانب التعامل الجيد مع مشاهد العناصر المتلاصقة مثل مجموعات البيض والأقراص الطبية، رغم التحدي المتمثل في توليد النماذج للتصنيفات والإحداثيات كنصوص قد ترفع من احتمالات الخطأ مع زيادة عدد العناصر.

كشفت التجارب أيضاً عن ارتباط دقة النماذج بأسلوب التوجيه المتبع، إذ تبيّن أن نماذج «جي بي تي 5.6» تحقق أعلى مستويات الدقة عند طلب إحداثيات بكسلية مطلقة بنمط محدد، في حين يؤدي استخدام صيغ إحداثيات غير متطابقة إلى فقدان نحو خمس عشرة نقطة من مقياس الدقة. وفي المقابل، رصد التقييم حالات عدم استقرار يعود فيها طراز «سول» بمربعات تحديد عشوائية أو مصفوفة على خطوط مستقيمة لا تطابق الواقع عند معالجة صور تبلغ أبعادها ألفي بكسل أو تزيد، وهو ما أكده فريق «أوبن إيه آي» وأرجعه إلى انخفاض جهد الاستدلال، مما يجعل تغيير حجم الصور أو اقتصاصها قبل الإرسال الحل الأكثر عملية لتفادي زيادة زمن الاستجابة والتكلفة.

في اختبارات العد البصري، ارتفعت نسبة دقة طراز «سول» إلى ثلاثة وسبعين في المئة مقابل نحو أربعة وستين فاصل تسعة في المئة للجيل السابق، متفوقاً في إحصاء العناصر المتداخلة مثل الدعامات المعدنية وثقوب الرصاص داخل مناطق محددة من أهداف الرماية. غير أن التحديات ظهرت بوضوح في عبوات الأدوية المقصدرة بسبب الانعكاسات البصرية والفروق الدقيقة بين التجاويف الممتلئة والفارغة، إضافة إلى أخطاء في عد أنواع الحلوى غير النمطية. وعلى صعيد التعرف الضوئي على الحروف واستخراج النصوص، حافظت النماذج على مستوى متقارب مع الجيل السابق، حيث حقق «سول» دقة مطابقة بلغت تسعين فاصل سبعة في المئة، ونجح في قراءة أرقام الإطارات المتسخة واستخراج النتائج المباشرة من البث الرياضي، بينما تعثر في استخراج تواريخ الصلاحية المطبوعة عمودياً بتباين لوني منخفض.

تضع هذه المكاسب الميدانية المؤسسات أمام معادلة دقيقة بين الأداء والتكلفة وزمن المعالجة، حيث بلغ متوسط معالجة الصورة الواحدة لطراز «سول» نحو عشر ثوان وبتكلفة تقارب سنتين ونصف سنت، ليأتي ثانياً في التكلفة بعد طراز «كلود فيبل 5». التوازن الهندسي الذي يقدمه طراز «لونا» بين السرعة والتكلفة يجعله الخيار الأكثر عملية داخل العائلة، بينما تبقى النماذج الخارجية خياراً منافساً في البيئات كثيفة البيانات. ويوفر «لونا» زمناً يقل عن خمس ثوان وتكلفة دون نصف سنت للصورة، في حين يقدم نموذج «جيميناي 3.5 فلاش» بديلاً بتكلفة ثمانية أعشار السنت مع استمراره في صدارة مهام الرصد والعد، مما يفرض على فرق التطوير تدقيق خيارات النشر بناء على حجم البيانات واشتراطات زمن الاستجابة.