الذكاء الاصطناعي تعقّب رأسًا أصلع طوال المباراة. المزيد من بيانات التدريب لن يُصلح ذلك.
في أكتوبر 2020، أمضت كاميرا آلية في مباراة كرة قدم اسكتلندية المباراة بأكملها وهي تتعقّب رأس مساعد حكم أصلع بدلاً من الكرة. انتشر المقطع كالنار في الهشيم. ضحك معظم الناس منه باعتباره خللاً طريفًا. أما أنا فشاهدته مرارًا وتكرارًا لسبب مختلف: النظام لم يكن معطلاً. كان يفعل بالضبط ما بنيناه ليفعله.
هذا المقطع هو أوضح تجسيد ممكن للسبب الذي يجعل الرؤية الحاسوبية المقيَّدة بالفيزياء الشيءَ الوحيد الذي يجعل أنظمة الرؤية جديرة بالثقة في الإنتاج — ولماذا لا يؤدي إغراق المشكلة بمزيد من بيانات التدريب، وهو أول ما جرّبته، إلى إصلاحها.
تحت أضواء الملعب الكاشفة، يُنتج الرأس الأصلع وهجًا انعكاسيًا — انعكاسات لامعة مستديرة بيضاء — بتدرّجات بكسلية لا يمكن تمييزها إحصائيًا عن كرة القدم. الكاشف، وهو شبكة CNN قياسية من عائلة YOLO، عالج كل إطار على حدة ومنح ثقة بنسبة 98% لـ«كرة» على الرأس. أما الكرة الفعلية، التي كانت تنطمس عبر الظلال بسرعة، فسجّلت 80%. اتّبع النظام الرقم الأعلى. هذا ليس خللاً برمجيًا. هذا هو النموذج وهو يصدّق عينيه.
الكاشف يعثر على أنماط. وليست لديه أدنى فكرة أن «كرة» تستقر على ارتفاع ثابت قدره 1.7 متر عن الأرض، ملتصقة بأسطوانة عمودية، تسير على الخط الجانبي، هي أمر مستحيل فيزيائيًا.
الحل ليس مجموعة بيانات أفضل. الحل هو الفيزياء.
مشكلة الرأس الأصلع موجودة في كل مكان — لكنها ببساطة لا تنتشر على نطاق واسع في كل مرة فحسب
أمضيتُ سنوات في إطلاق مسارات رؤية في عالَمين لا يتشابهان في شيء: أبراج الملاعب التي تتعقّب الكرة، وخطوط مصانع الرقائق التي تفحص السيليكون. وهما يتشاركان داءً واحدًا. يرى النموذج شكلاً يتعرّف عليه فيُبلغ عنه، دون أي آلية للتساؤل عمّا إذا كان ما يُبلغ عنه يمكن أن يوجد في العالَم المادي.
في فحص أشباه الموصلات، لا يكون العَرَض رأسًا أصلع — بل هو العيب المُزعِج. تمتلك KLA نحو 63% من سوق التحكّم في العمليات، وأدواتها عريضة النطاق من السلسلة 2900 قادرة على تمييز معالم صغيرة تصل إلى 10 نانومترات. حساسية الكشف ليست عنق الزجاجة. عنق الزجاجة هو أن مسحًا واحدًا عريض النطاق يُبلّغ عن آلاف الشذوذات لكل رقاقة، ومعظمها غبار أو آثار سطحية أو ضجيج نمطي لن يمسّ الإنتاجية أبدًا. ومع ذلك، لا بد من تصنيف كل واحدة منها بواسطة نموذج تعلّم عميق مُدرَّب على مكتبة من العيوب التاريخية.
وإليك ما يفتقر إليه ذلك النموذج: أي فهم لكيفية تفاعل الضوء فيزيائيًا مع حفرة مقابل بقعة مقابل بقايا عملية. لذا حين ينتقل مصنع الرقائق إلى عُقدة عملية جديدة — لنقل بنية gate-all-around عند 2 نانومتر — تصبح مكتبة التدريب قديمة بين عشية وضحاها ويرتفع معدّل الإزعاج فجأةً. وتكلفة الخطأ ليست مجرّدة. فخسارة في الإنتاجية بنسبة 1% في العُقد المتقدمة تبلغ الملايين، لأن رقاقة واحدة قد تكلّف عشرات الآلاف من الدولارات.
أرضية التصنيع مصابة بالداء نفسه لكن بأعراض أهدأ وأخبث. على خط إنتاج يعمل بمراقبة جودة بالذكاء الاصطناعي، لا تعرف تقريبًا في الوقت الفعلي متى يكون النموذج مخطئًا، لأنه لا توجد تسميات حقيقة أساسية بجوار الكاميرا. تتغيّر زاوية الإضاءة بعد الصيانة. تتضبّب العدسة خلال بضعة أسابيع. يتآكل مِثبّت. ترتفع حالات الرفض الكاذب فتحصل على دورات إعادة عمل، أو تتسلّل حالات القبول الكاذب فتحصل على تسرّبات — ولا تكتشف أيًّا منهما إلا حين يفرض تسرّب في الجودة عملية احتواء وحجرًا وإعادة فحص كاملة.
لم يفشل النموذج بصخب. بل انحرف في صمت، وكان أول إنذار هو إرجاع أحد العملاء لمنتَج.
هذا الصمت باهظ الثمن. تبلغ تكلفة الجودة الرديئة نحو 20% من إجمالي المبيعات لدى الشركة المصنّعة المتوسطة. العيب الذي يُكتشف في مرحلة التخطيط يكلّف نحو 100 دولار؛ والعيب نفسه إذا اكتُشف في الإنتاج يكلّف 10,000 دولار. أفادت Intel بأنها توفّر نحو 2 مليون دولار سنويًا لمجرّد تجنّب الخردة عبر الفحص بالذكاء الاصطناعي. المكاسب حقيقية — وهذا بالضبط ما يجعل نمط الفشل بالانحراف الصامت مُدمِّرًا إلى هذا الحد. فهو يلتهم المكاسب دون أن يخبرك.
والإفراط في التصحيح مكلِّف تمامًا كالانحراف. لقد شاهدتُ منظومة فحص بصري آلي تكلّف ملايين الدولارات تُطفَأ بهدوء لأن ضبطها كان عدوانيًا لدرجة أنها كانت ترفض القطع الجيدة أسرع مما تلتقط السيئة — لم تستطع اجتياز اختبار Knapp، وهو المعيار الذي يسأل ما إذا كان فحصك يميّز فعليًا العيوب عن التباين المقبول. النظام الذي يحمي الإنتاجية على الورق ويدمّرها في الواقع أسوأ من عدم وجود نظام إطلاقًا، لأن أحدهم دفع ثمنه وأحدهم بات الآن لا يثق في أي قرار آلي يمسّه.
لماذا لا يُصلح المزيد من بيانات التدريب هذا؟
حين اصطدم فريقي بهذا الجدار لأول مرة، كنتُ متيقنًا من الإجابة، وكنتُ مخطئًا.
العقيدة السائدة في الرؤية الحاسوبية هي أن الحالات الحدّية مشكلة بيانات. نموذجك يفشل في الأشياء الغريبة لأنه لم يرَ ما يكفي من الأشياء الغريبة، فتذهب لتجمع المزيد منها. صدّقتُ ذلك. وأيّدته. بنينا مجموعة بيانات أكبر بكثير وأكثر تنوّعًا بكثير — إضاءة مختلفة، وزوايا مختلفة، والمزيد من الحالات المربكة — وأعدنا التدريب. كانت أرقام النموذج على مجموعة التحقق رائعة. أتذكّر أنني شعرتُ أننا سددنا الفجوة.
ثم وضعناه على خط حقيقي، وعدّل طاقم صيانة تجهيزة إضاءة، وبدأت حاوية المرفوضات تمتلئ بالقطع الجيدة.
لم يكن أي شيء في مجموعة بياناتنا الرائعة يغطّي تلك الهندسة الضوئية الجديدة بالتحديد، لأن تلك الهندسة لم تكن موجودة حين جمعنا البيانات. كان بإمكاننا أن نذهب ونجمع ذلك أيضًا — ثم نطارد التحوّل التالي، وتضبُّب العدسة التالي، إلى الأبد. عندها استقرّت أخيرًا في ذهني الجملة التي ظلّت تلحّ عليّ: الحالات الحدّية ليست 5% من المشكلة. بل هي 80% من وقت الهندسة، و90% من تكلفة الدعم، و100% من المسؤولية القانونية. لا يمكنك أن تُحصي طريقك للخروج من مجموعة لا نهائية.
أراد أحد مهندسيّ أن يواصل التشديد — أن يرفع عتبة الثقة حتى تختفي الإيجابيات الكاذبة. يبدو ذلك ناجحًا في شريحة عرض. أما في الواقع، فإن الدفع نحو صفر إيجابيات كاذبة يقايضها فحسب بسلبيات كاذبة: أصبحتَ الآن تفوّت العيوب الحقيقية، والتهديدات الحقيقية، والأشياء التي نشرتَ النظام فعلاً لالتقاطها. وبعد ما يكفي من تلك النقاشات، اضطررتُ إلى قولها بصوت عالٍ: كل مقبض عرفنا كيف ندير كان وسيلة لتحريك الفشل من مكانه، لا لإزالته.
هذه ليست تجربة هامشية. فحوالي 95% من مشاريع الرؤية الحاسوبية لا تصل أبدًا إلى الإنتاج، والسبب لا يكون الخوارزمية تقريبًا أبدًا — بل هو تحديدًا هذا النوع من الانهيار في التنفيذ، الفجوة بين نموذج يعمل في المختبر وآخر يصمد في أرض المصنع. وجد بحث من MIT أن 95% من مشاريع الذكاء الاصطناعي التجريبية في المؤسسات أخفقت في تحقيق عائد استثمار قابل للقياس خلال ستة أشهر. وكنا على وشك أن نصبح بندًا في تلك الإحصائية.
ما الذي تفعله قيود الفيزياء فعلاً
كانت نقطة التحوّل صغيرة ومُحرِجة تقريبًا حين ننظر إليها بأثر رجعي.
بدلاً من أن نطلب من الكاشف أن يكون أكثر يقينًا، وضعنا أمام خرجه بوابةً تطرح سؤالاً فيزيائيًا: هل كان بإمكان هذا الشيء أن يتحرّك بالطريقة التي تقول إنه تحرّك بها؟ أي مسار ينتهك حركيات جسم له كتلة وزخم — أي اكتشاف يقفز مسافة لا يمكن لأي كرة أن تقطعها بين إطارين — يُرفض قبل أن يُصدَّق أصلاً. لم نمسّ الكاشف. ومع ذلك، انخفض معدّل الإيجابيات الكاذبة.
هذه هي الفكرة كلها، وهي قابلة للتعميم. الجسم المتعقَّب لا يمكنه الانتقال الآني بين الإطارات. العيب الحقيقي له اختلاف منظر — فهو يتزحزح مقابل الخلفية مع تغيّر زاوية الرؤية، بطريقة لن يفعلها الظل أبدًا. الظل لا عمق له. هذه قيود يمتثل لها العالَم المادي مجانًا، وهي لا تتحرّك حين تتحرّك إضاءتك. الخصائص الفيزيائية لقطعة مصنوعة بشكل صحيح لا تتغيّر حين يتآكل مِثبّت أو يُزاح ضوء قليلاً. وهذا يجعل الفيزياء المرساةَ المستقرة الوحيدة في نظام ينحرف فيه كل ما هو مدفوع بالبيانات.
رفع عتبة الثقة يطلب من النموذج أن يخادع بقوة أكبر. أما القيد الفيزيائي فيرفض ببساطة أن يصدّق المستحيل.
لذا فإن السؤال الذي نطرحه الآن ليس «هل يبدو هذا كقطعة جيدة مقارنةً بصور التدريب؟» بل هو «هل تتّسق هذه الصورة مع الهندسة المعروفة والسلوك المادي للجسم الحقيقي؟» هذان سؤالان مختلفان اختلافًا عميقًا، ووحده السؤال الثاني يصمد أمام انتقال عُقدة عملية أو نافذة صيانة بعد ظهر يوم ثلاثاء.
توجد مجموعة أدوات ناضجة لهذا، والحقيقة الصريحة أن معظمها يعيش في الأوراق البحثية لا في المنتجات المطروحة. يمكن دمج الفيزياء في نظام رؤية بثلاث طرق: في بنية الشبكة نفسها، أو في دالة الخسارة كعقوبة قائمة على الفيزياء أثناء التدريب، أو في توليد البيانات الاصطناعية عبر تصيير دقيق فيزيائيًا. لكن المعضلة — تلك التي تُبقي هذا خارج الإنتاج — هي أن الفيزياء تتوقف عادةً عند وقت التدريب. فالنموذج المنشور يظل صندوقًا أسود مدفوعًا بالبيانات بحتًا في لحظة الاستدلال، حين يكون ذلك مهمًّا فعلاً.
العمل الذي نعتمد عليه يسدّ تلك الفجوة عند الاستدلال. التعقّب الحديث يقرن مرشّح Kalman الكلاسيكي — وهو طريقة عمرها عقود لتقدير أين سيكون الجسم المتحرك تاليًا استنادًا إلى قوانين الحركة — بالتعلّم العميق، بدلاً من اختيار أحدهما دون الآخر. تساعد مقاربات مثل KalmanNet المرشّحَ بشبكة عصبية للديناميكيات غير المعروفة تمامًا. ويفرض نظام لعام 2026 يُسمّى Phys-3D حركةً ثلاثية الأبعاد معقولة فيزيائيًا عبر هندسة الكاميرا ذات الثقب، ويُبلّغ عن خطأ عدّ قدره 2.97% حتى مع الاحتجاب الكثيف واهتزاز الكاميرا. ويذهب PhyOT أبعد من ذلك ويعامل الشبكة العصبية نفسها بوصفها مستشعِرًا يغذّي منظومة Kalman تحكمها قوانين Newton. والخيط المشترك: الشبكة تقترح، والفيزياء تقرّر. إنّ أنظمة الرؤية المقيَّدة بالفيزياء التي نبنيها تضع بالضبط هذا النوع من طبقة القيود في مسار الاستدلال — ترشيح Kalman، وبوابات التدفّق البصري، وبنية مستنِدة إلى الفيزياء — بحيث يحدث رفض المستحيل مباشرةً، لا في دفتر تدريب.
لماذا لا يفعل كبار المورّدين هذا ببساطة؟
يسألني الناس هذا باستمرار، عادةً بنبرة ريبة — إن كانت قيود الفيزياء صحيحة إلى هذا الحد البديهي، فلماذا لا يطرحها Hawk-Eye أو KLA بشكل افتراضي؟ الجواب هو أن الرواد يمتلكون بعض الفيزياء، لكن دائمًا تقريبًا في المكان الخطأ، والفجوات تحمل دروسًا.
Pixellot، بعد عصر الرأس الأصلع، أضافت تعقّبًا متعدد الفرضيات قضى إلى حد كبير على تلك الفئة المحددة من الخطأ — لكن فيزياءها هي تنعيم للمسار يحدث لاحقًا، لا طبقة قيود، لذا تظل أنماط فشل جديدة تظهر (التعرّف الضوئي على أرقام القمصان تحت ضبابية الحركة، وإسقاط التسلل على ملعب غير مستوٍ). وهذا ليس مجرّد رواية فردية: على SoccerNet، أكبر معيار عام لتعقّب الرياضة، لا يزال تعقّب الأجسام المتعددة يُقاس على أنه بعيد عن الحل في الحركة السريعة والاحتجاب الكثيف، ولم يُدمَج فيه بعد أي متعقّب واعٍ بالفيزياء. تلك المساحة الفارغة هي الفرصة برمّتها. أما Hawk-Eye، المملوكة لـ Sony، فلديها قيود هندسية قوية بحق — إذ تُثلّث من ست إلى ثماني كاميرات معايَرة بدقة 4K و8K، وتتعقّب 29 نقطة هيكلية لكل لاعب، وهي دقيقة بما يكفي لأن الـ NFL يستخدمها في قياسات الـ first-down. لكن هذه الصرامة تكلّف أكثر من مليون دولار لكل ملعب وتتطلّب بنية تحتية مخصصة. إنها ليست طبقة تضيفها إلى مسارك الحالي؛ بل هي تحديث تجهيزي كامل للملعب.
وعلى الجانب الصناعي يتكرّر النمط. نماذج فيزياء العيوب لدى KLA حقيقية لكنها مخبوزة على عُقد عمليات محددة، وهذا هو السبب الذي يجعل انتقالات العُقد ترفع معدّل الإزعاج فجأةً — واستثمار KLA نفسها البالغ 2.3 مليار دولار في الجيل التالي من الفحص مؤشّر على أنها تعرف أن الفجوة موجودة. أدوات ViDi للتعلّم العميق من Cognex ممتازة ويمكنها التدريب من 5–10 صور فقط، مقلِّصةً وقت الإعداد بنسبة 90% — لكن لا فيزياء عند الاستدلال، لذا فهي معرَّضة للانحراف الصامت مثل أي طرف آخر. ومنظومة Metropolis وOmniverse من NVIDIA تحاكي فيزياء رائعة — من أجل توليد بيانات تدريب اصطناعية. الفيزياء تتوقف عند التدريب؛ والنموذج المنشور لا يزال مدفوعًا بالبيانات.
وعبر المجال بأكمله، يكون عمود «تكامل الفيزياء» إما فارغًا أو موجّهًا نحو التدريب. أما النموذج المنشور، ذاك الذي يتّخذ القرار في الوقت الفعلي، فلا يزال يخمّن من البكسلات.
تلك هي الفجوة التي نبني فيها. ليست منصةً، ولا تحديثًا تجهيزيًا للملعب — بل طبقة قيود فيزيائية تقع داخل مسارك الحالي وترفض المستحيل قبل أن يصبح مكلِّفًا. سواء كنت تشغّل كاميرات آلية فوق ملعب، أو تفحص رقائق عند 10 نانومتر، أو تصنّف عيوبًا على خط، يظل القيد صامدًا حين تتحرّك الإضاءة، لأن الإضاءة هي بالضبط ما لا تعتمد عليه الفيزياء.
الجزء الذي لا يريد أحد سماعه عن «صفر إيجابيات كاذبة»
يطلب مني كل مشترٍ في نهاية المطاف صفر إيجابيات كاذبة. أتفهّم هذه الغريزة، وأقول لهم الشيء نفسه في كل مرة: إنه قابل للتحقيق تقنيًا وسيؤذيك على الأرجح.
دفع نظام نحو صفر إيجابيات كاذبة يرفع حتمًا السلبيات الكاذبة — العيب الحقيقي الفائت، والتهديد الذي يفلت. الهدف ليس أبدًا صفرًا من نوع واحد من الخطأ؛ بل هو التوازن الصحيح المناسب للرهانات المحددة لتطبيقك. وما تمنحك إياه قيود الفيزياء هو منحنى مفاضلة أفضل تُوازن عليه. إن التقليص التقليدي للإيجابيات الكاذبة — ضبط العتبات، والمعايرة، والمشفّرات التلقائية التي تُظهر الأبحاث أنها قادرة على خفض الإيجابيات الكاذبة بنسبة تتراوح بين 22% و87% — كله يعمل على ثقة النموذج. أما الفيزياء فتعمل على الواقع. فهي ترفض الاكتشاف المستحيل فيزيائيًا دون أن تجعل النموذج أكثر تهيّبًا حيال الاكتشاف الغامض بحق. فتحصل على إنذارات كاذبة أقل و لا تدفع ثمن ذلك في عيوب فائتة، لأنك أزلت فئةً من الخطأ بدلاً من مقايضتها.
وهناك رياح تنظيمية داعمة هنا أيضًا، وليست تلك التي يتوقعها الناس. تدخل الأحكام الرئيسية لقانون الذكاء الاصطناعي الأوروبي (EU AI Act) حيّز التنفيذ في 2 أغسطس 2026، ورغم أن معظم الفحص الصناعي لا يُصنَّف على أنه مراقبة بيومترية عالية المخاطر، فإن متطلبات التوثيق والشفافية في القانون تدفع على نطاق واسع نحو أنظمة قراراتُها يمكن أن تُفسَّر. فالصندوق الأسود المدفوع بالبيانات الذي يقول «كرة، 98%» لا يستطيع أن يخبرك بالسبب. أما النظام الذي رفض اكتشافًا لأنه انتهك اختلاف المنظر فيستطيع. لم تعد القابلية للتفنيد مجرّد هندسة جيدة؛ بل باتت وضعية امتثال.
ما أؤمن به الآن
دخلتُ هذا المجال مقتنعًا بأن الرؤية الحاسوبية مشكلة بيانات وأن الفريق صاحب أكبر مجموعة بيانات وأنظفها سيفوز. أطلقتُ نموذجًا أثبت خطئي على أرضية مصنع، أمام أناس كان إنتاجهم يعتمد عليه.
ما أؤمن به الآن أضيق وأكثر رسوخًا. فنموذج رؤية لا يعرف عن الأشياء سوى الشكل الذي تبدو عليه يظل دائمًا على بُعد تغيير إضاءة واحد، وعُقدة عملية واحدة، ومساعد حكم أصلع واحد من أن يخبرك بثقة بشيء مستحيل. والأنظمة التي تصمد في الإنتاج هي تلك التي تعرف أيضًا ما الذي العالَمُ الماديُّ يسمح به — وتفحص كل اكتشاف في ضوئه قبل أن تتصرّف.
السوق على وشك أن يتعلّم هذا بالطريقة الصعبة وعلى نطاق واسع. الرؤية الحاسوبية سوق قيمته 33 مليار دولار في 2026 وينمو بنحو 20% سنويًا، وقد بدأت أنظمة الرؤية الوكيلة تُطلق إجراءات في العالم الحقيقي بسلطتها الخاصة، وكلما ازدادت استقلاليةً، قلّ احتمال التسامح مع إجابة مستحيلة واثقة. يمكنك أن تواصل جمع لقطات الحالات الحدّية ومطاردة تغيير الإضاءة التالي، وانتقال العُقدة التالي، إلى الأبد. أو يمكنك أن تعلّم النموذج مجموعة القواعد الوحيدة التي لا تنحرف أبدًا. إن أردت أن ترى كيف نبني ذلك القيد داخل مسار إنتاجي، فمن هناك سأبدأ.
الكرة لا يمكنها الانتقال الآني. ابنِ النظام الذي يعرف ذلك.