طوكيو، 23 أكتوبر 2026 - شركة NEC (NEC؛ TSE: 6701) قامت بتطوير تقنية ذكاء اصطناعي تستخدم نموذجًا للغة البصورة (VLM) لتعيين قيم عددية (درجات) للظروف الميدانية من لقطات كاميرا حية لمراقبة الطرق والأنهار، مما يتيح الكشف المبكر عن مسببات الكوارث مثل فيضان الأنهار، الغمر، وتراكم الثلوج. يمكن لهذه التقنية استخدام الكاميرات الحية الحالية التي تديرها الحكومات المحلية والوكالات الحكومية ومشغلي البنية التحتية، مما يجعلها سهلة النشر في مواقع مراقبة الكوارث مع تبسيط عمليات المراقبة وتسريع قرارات الاستجابة. تهدف NEC إلى وضع هذه التقنية في الاستخدام العملي خلال السنة المالية 2027.
الخلفية
مع تزايد الكوارث الطبيعية، تتطلب المواقع مثل الطرق والأنهار تبسيط مراقبة الحالة في الموقع مع اكتشاف العلامات المبكرة للانحراف والكوارث. العديد من هذه المواقع تراقب بالفعل لقطات من كاميرات مباشرة، لكن من الصعب فحص اللقطات من عدد كبير من الكاميرات يدويًا باستمرار وتجنب إغفال التغييرات الدقيقة في ظروف الموقع التي تشير إلى اقتراب كارثة. الذكاء الاصطناعي للتعرف على الصور هو خيار واحد لأتمتة تحليل الفيديو، لكنه يتطلب جمع وتوضيح كميات كبيرة من بيانات التدريب لكل نوع كارثة وموقع، مما يجعل نشره يستغرق وقتًا طويلاً ويستغرق جهدًا. VLM، نموذج أساسي مدرب مسبقًا على كميات هائلة من البيانات يمكنه فهم محتوى الفيديو دون تدريب إضافي، من المتوقع أن يتيح تحليلًا آليًا للقطات من الكاميرات المباشرة. ومع ذلك، عندما يُطلب من VLM العام سؤالًا نصيًا (موجه) حول ظروف الموقع—على سبيل المثال، ما إذا كان منطقة مغمورة بالماء—قد ينتج إجابات تتباعد عن الحقائق أو غير متسقة. هذا يجعل من الصعب التقاط التغييرات الدقيقة التي تتقدم مع مرور الوقت واكتشاف مؤشرات الكارثة. بالإضافة إلى ذلك، نظرًا لأن إجابات VLM تتأثر بشدة بمحتوى الموجه، فإن الانعكاس الدقيق للنقاط المختلفة التي يجب مراقبتها في كل موقع يتطلب مهندسين ذوي معرفة متخصصة للمرور عبر التجربة والخطأ، مما يستغرق وقتًا وجهدًا كبيرًا. نتيجة لذلك، لم يكن من العملي تطبيق هذا النهج بسرعة على مجموعة واسعة من الكوارث—مثل فيضان الأنهار، الغمر، وتراكم الثلوج—والمواقع المتنوعة التي تحدث فيها.
قيمة المقترحة
تُقيّم هذه التقنية تقدم حالات الكوارث من لقطات كاميرا حية، مما يتيح الكشف المبكر عن مسببات الكوارث واتخاذ قرارات تأكيد واستجابة أسرع في الموقع. يساعد ذلك على منع الضرر وتقييد انتشاره.
بالإضافة إلى ذلك، لأن هذه التقنية تولد تلقائيًا مطالبات مخصصة لكل موقع، فإنها تلغي التجربة والخطأ التي يتطلبها عادة المهندسون ذوو المعرفة المتخصصة، مما يقلل عبء إدخال وتشغيل النظام لمكالمات الكوارث والمواقع الجديدة.
ميزات التقنية
1. اكتشاف مؤشرات الكوارث من خلال تصنيف الظروف الميدانية أثناء تغيرها لحظة بلحظة
بينما يمكن لـ VLM العام وصف الظروف الميدانية بالكلمات، لا يُخرج معلومات كمية مثل الدرجة أو النطاق في ردوده النصية، مما يجعله غير قادر على التقاط الفروق الدقيقة في الظروف الميدانية. بدلاً من الاعتماد على نص الإجابات التي يُنتجها VLM، تستخدم هذه التقنية تقنية NEC المملوكة (*1) لتحليل قيم الاحتمالية التي يحسبها VLM داخليًا أثناء توليد النص (*2)، مستخرجةً المعلومات التي قد تُفقد في عملية تحويلها إلى كلمات، ومُقيمةً بدقة الظروف الميدانية مثل مدى الفيضانات أو تراكم الثلوج. يتيح ذلك التقاط التغيرات والاتجاهات الدقيقة مع مرور الوقت — ما كان صعبًا في السابق — كقيم رقمية مستمرة. يمكن للمديرين أيضًا ضبط عتبات التحذير والتهديد مرنًا وفقًا لكل موقع ونوع كارثة استنادًا إلى هذه الدرجات.
2. تسريع النشر الميداني عبر التوليد التلقائي للمحفزات الخاصة بالموقع والكوارث
عند نشر هذه التقنية في موقع، يقوم الذكاء الاصطناعي تلقائيًا بإنشاء موجه مناسب لنوع الكارثة المرصودة—مثل الفيضانات أو تراكم الثلوج—ولتركيب المشهد الملتقط من كل كاميرا. باستخدام لقطات من الموقع، يتم إنشاء هذا الموجه من خلال تعديلات متتالية تحافظ على استمرارية النقاط بين الصور السابقة واللاحقة زمنياً. في هذه العملية، على سبيل المثال، يتم تحديد تلقائيًا مناطق الصورة التي يجب أن يركز عليها VLM والمناطق التي يمكن تجاهلها لكل موقع، وتنعكس في الموجه كمعلومات فعالة للتقييم. من خلال تنفيذ هذه العمليات تلقائيًا، يتم كبح التذبذبات في تقييم VLM التي تسببها الاختلافات الطفيفة بين الصور، مما يتيح قرارات مستقرة. نتيجة لذلك، لا يحتاج الخبراء بعد الآن إلى تصميم أو تعديل الموجهات لكل بيئة تثبيت كاميرا أو نوع كارثة، مما يدعم النشر السريع والعملية الفعالة عبر مواقع متنوعة.
من خلال هذه التقنية، ستساعد NEC الحكومات المحلية ومشغلي البنية التحتية على تبسيط عمليات المراقبة والمساهمة في أمان أوسع وأمان في المجتمعات المحلية.
Notes:
(*1) تمكّن تقنية NEC من التعرف على التباينات الدقيقة بين الصور المتحركة من خلال مقارنة احتمالات توليد الجمل المحسوبة بواسطة VLM عند وصف تلك الصور. من المقرر تقديمها في المؤتمر الدولي "ACM Multimedia Asia 2026 (MMAsia 2026)." [C. Matsuhira, Y. Nakatani, and T. Inoshita, "Measuring the Likelihood Contrast in Vision Language Models for Enhancing Fine-Grained Action Difference Recognition," to appear in Proc. MMAsia, 2026.]
(*2) على سبيل المثال، عندما يكون الكارثة المستهدفة هي الفيضانات، فهذا يشير إلى درجة احتمال أن يجيب VLM أن الصورة المعطاة تُظهر الفيضانات.
عن NEC
يستفيد مجموعة NEC من التكنولوجيا لخلق قيمة اجتماعية وتعزيز عالم أكثر استدامة حيث يملك الجميع فرصة للوصول إلى إمكاناتهم الكاملة. تأسست شركة NEC في عام 1899. اليوم، يستخدم حوالي 110,000 موظف في مجموعة NEC تقنيات الذكاء الاصطناعي، والأمان، والاتصالات الرائدة عالميًا لحل أكثر الاحتياجات إلحاحًا لعملاء ومجتمع.
للمزيد من المعلومات، يرجى زيارة nec.xn--com-nwe وتابعنا على Instagram، Facebook، YouTube، وLinkedIn.
NEC هو علامة تجارية مسجلة لشركة NEC Corporation. جميع الحقوق محفوظة. العلامات التجارية الأخرى أو الخدمات المذكورة هنا هي علامات تجارية لأصحابها المعنيين. ©2026 NEC Corporation.