لاعبو لعبة Pokemon GO يدعمون مساعي Niantic الطموحة في مجال الذكاء الاصطناعي
نيانتيك، مبتكربوكيمون تعمل شركة GO على بناء نموذج ذكاء اصطناعي يهدف إلى رسم خرائط للبيئات في العالم الحقيقي والتنبؤ بها.
يُعرف هذا الذكاء الاصطناعي باسم "النموذج الجغرافي المكاني الكبير" (LGM)، وهو يستفيد من كميات هائلة من بيانات الموقع التي يوفرها لاعبو Pokémon GO ومستخدمو تطبيقات Niantic الآخرين لتدريب نظامه.
وأعلنت الشركة في 12 نوفمبر/تشرين الثاني أن هذا التطوير يركز على تحقيق ما أسمته "الذكاء المكاني"، وهي طريقة مبتكرة لأجهزة الكمبيوتر لإدراك العالم المادي والتنقل فيه.
كيف يعمل نموذج Niantic
يعتمد نهج Niantic على التعلم الآلي واسع النطاق لربط ملايين المشاهد في العالم الحقيقي.
يتم تدريب هذا النموذج باستخدام الصور التي يرسلها اللاعبون، والتي تم جمعها من خلال نظام تحديد المواقع المرئي (VPS).
يتم دمج هذه الصور لبناء خرائط ثلاثية الأبعاد مفصلة تعكس الظروف المختلفة، بما في ذلك التغيرات الموسمية، واختلافات الإضاءة، والمنظورات التي لا تستطيع المركبات أو الطائرات بدون طيار الوصول إليها.
حتى الآن، جمعت Niantic ما يزيد عن 10 ملايين موقع ممسوح ضوئيًا في جميع أنحاء العالم، مع إضافة مليون عملية مسح جديدة أسبوعيًا.
يقوم نموذج الذكاء الاصطناعي بتحليل هذه البيانات لفهم الأماكن حتى عندما لا تتوفر عمليات المسح الكاملة، مما يسمح له بالتنبؤ بمظهر المواقع.
على سبيل المثال، من خلال التعرف على الحدائق أو الكنائس أو المنازل، فإنه يمكن أن يقوم بتخمينات مدروسة حول البيئات المماثلة في أماكن أخرى.
يشبه Niantic هذا النهج بكيفية فهم ChatGPT للغة - باستخدام بيانات مكثفة لتحديد الأنماط وتوليد استجابات ذات مغزى.
لماذا يعتبر لاعبو Pokemon GO عنصرًا أساسيًا في هذا المشروع
بوكيمون GO هي أكثر من مجرد لعبة؛ فقد أصبحت أداة لجمع البيانات التي تدعم نموذج الذكاء الاصطناعي الطموح لشركة Niantic.
عندما يتفاعل اللاعبون مع محيطهم، فإنهم يساهمون في توفير البيانات الجغرافية المكانية من خلال إجراءات مثل مسح نقاط PokéStops أو الصالات الرياضية أو المعالم المحددة.
تعتبر هذه المعلومات بالغة الأهمية بالنسبة لخدمة VPS من Niantic، والتي تحدد الموقع الدقيق للهاتف واتجاهه بدقة تصل إلى مستوى السنتيمتر.
تعد Pokémon Playgrounds، وهي ميزة تجريبية في Pokémon GO، أحد الأمثلة على هذا التكامل.
إنه يسمح للاعبين بترك بوكيمون افتراضي في مواقع في العالم الحقيقي ليتفاعل الآخرون معها ويلتقطون لها صورًا.
لا يؤدي هذا إلى تعزيز طريقة اللعب فحسب، بل يزود الذكاء الاصطناعي أيضًا بمعلومات قيمة على مستوى المشاة.
ما الذي يميز VPS الخاص بـ Niantic؟
على عكس أنظمة رسم الخرائط التقليدية التي تعتمد على المركبات أو الصور الجوية، يجمع VPS من Niantic البيانات من وجهات نظر مستوى الأرض، وغالبًا ما يغطي الأماكن التي يتعذر الوصول إليها بالسيارات.
يقدم هذا النهج الفريد رؤى تفصيلية حول الأماكن العامة والمناطق الخاصة على حد سواء.
علاوة على ذلك، قامت شركة Niantic بتدريب نموذجها باستخدام 50 مليون شبكة عصبية متقدمة وأكثر من 150 تريليون معلمة.
من خلال ضغط آلاف الصور في بيانات عصبية خفيفة الوزن، يصبح النظام قادرًا على تحليل البيئات على نطاق غير مسبوق.
تطبيقات النموذج الجغرافي المكاني الكبير
في حين أن الألعاب هي الاستخدام الأكثر وضوحًا لـ LGM من Niantic، فإن إمكاناتها تمتد إلى ما هو أبعد من ذلك بكثير.
وتتطلع الشركة إلى تطبيقات في الواقع المعزز، والتخطيط الحضري، والخدمات اللوجستية، وحتى التعاون عن بعد.
على سبيل المثال، يمكن لنظارات الواقع المعزز استخدام النموذج لدمج الكائنات الرقمية بسلاسة مع العالم المادي.
وعلى نحو مماثل، قد يستخدم مخططو المدن هذه البيانات للتحليل المكاني، في حين قد تعمل الشركات على تبسيط طرق التسليم من خلال فهم أنماط المشاة.
ترى شركة Niantic أن هذا المشروع هو الأساس للحوسبة المكانية، وجسر الفجوة بين العالمين الرقمي والمادي.
مع تزايد شعبية أجهزة الواقع المعزز، قد تعمل LGM على إعادة تشكيل كيفية تفاعل البشر مع التكنولوجيا في حياتهم اليومية.
مخاوف الخصوصية واستخدام البيانات
يثير اعتماد Niantic على بيانات اللاعبين تساؤلات حول الخصوصية.
ووفقا لسياسة الخصوصية الخاصة بها، تقوم الشركة بجمع بيانات الموقع والأسماء وعناوين البريد الإلكتروني، بالإضافة إلى تفاصيل أخرى.
ومع ذلك، فإنه لا يوضح كيفية معالجة هذه المعلومات خارج نطاق استخدامها في الألعاب.
بالنسبة للأطفال، توجد سياسة منفصلة، مع وجود بوابة للآباء لإدارة الملف الشخصي لأطفالهم.
وأشار أنطون داهبورا، المدير التنفيذي لمعهد أمن المعلومات بجامعة جونز هوبكنز، إلى أن الشركات التي تستغل بيانات العملاء لمثل هذه الأغراض أصبحت "الوضع الطبيعي الجديد".
وتؤكد شركة Niantic أن جمع البيانات الخاص بها يوفر قيمة فريدة من خلال التركيز على وجهات نظر المشاة، مما يميزها عن تقنيات رسم الخرائط الأخرى.