ReactVAU يوقظ أثقل نموذج لديه فقط عندما يصبح بث الفيديو مشبوهاً

أخذ العينات دون اتصال وضغط الذاكرة يفشلان مع بث مباشر

كاميرا مراقبة موجهة إلى ممر فارغ لمدة ست ساعات تنتج ست ساعات من لا شيء. نظام كشف الشذوذ بالفيديو الذي يشغّل نموذجاً لغوياً كبيراً متعدد الوسائط على كل ذلك ينفق تقريباً كامل ميزانية الاستدلال الخاصة به في وصف هذا اللاشيء. يرى ReactVAU، وهي ورقة بحثية نُشرت حديثاً حول فهم الشذوذ في الفيديو المتدفق، أن الحل مسألة جدولة: لا ينبغي تشغيل الاستدلال المكلف حتى يظهر شيء يستحق الاستدلال عليه.

يطلب فهم الشذوذ بالفيديو من النظام كشف حدث غير عادي وتفسيره، وهو عمل أثقل من مجرد الإشارة إلى طابع زمني. يصف ملخص ReactVAU المجال بأنه عالق بين تصميمين يفشل كل منهما في بيئة البث المباشر. تعتمد الطرق دون اتصال على أخذ عينات من مقطع كامل ثم تستدل عليه دفعة واحدة، وهو ما يقول المؤلفون إنه يخرق السببية ويمنع النشر في البث المباشر. تحافظ نماذج الفيديو المتدفق على الترتيب السببي، لكنها تخفف الشذوذات النادرة قصيرة العمر أثناء ضغط ذاكرتها، وتميل إلى تشغيل نموذج ثقيل وفق جدول ثابت سواء كان هناك شيء يحدث أم لا.

يقسم ReactVAU هاتين المهمتين إلى مسار سريع لا يتوقف ومسار بطيء ينام في معظم الوقت.

مرشّح سريع، ومُستدِلّ بطيء، وذاكرة دائمة

الجزء الأول هو وحدة الكشف السريع (Fast Detection Module) خفيفة الوزن المبنية على Spatial Grid Folding (SGF). تعمل باستمرار، وترشّح البث بحثاً عن أي شيء يبدو غير طبيعي دون استدعاء نموذج كبير. الجزء الثالث هو وحدة الاستدلال البطيء (Slow Reasoning Module) ثقيلة الوزن، التي تقوم بالتحقق الدلالي والوصف السببي، وهي الجزء الذي يفسر ما شوهد. تبقى خاملة خلال اللقطات العادية ولا تستيقظ إلا عندما تشير الوحدة السريعة إلى حدث مشبوه.

بينهما تقع الذاكرة الدائمة المدركة للشذوذ (Anomaly-Aware Persistent Memory)، أو AAPM، التي تحافظ على التفاصيل البصرية المهمة من التلاشي بينما يضغط البث تاريخه الخاص. هنا تميل نماذج البث التي تنتقدها الورقة إلى فقدان حدث عابر: بحلول الوقت الذي ينظر فيه نموذج ثقيل، تكون الإشارة قد ذابت بالفعل في الخلفية. AAPM هي محاولة الورقة للإمساك بها.

الهدف مألوف في الذكاء الاصطناعي الإنتاجي. تشغيل نموذج كبير يكلّف مالاً، وتشغيله على بيانات لا تحتاجه هو أبسط طريقة لإهدار ذلك المال.

المراقبة الحية هدف غير معتاد لهذا النوع من حسابات الميزانية. البث لا يتوقف أبداً، واللحظات المثيرة نادرة وقصيرة، والنظام الذي لا يفسر الأحداث إلا بعد وقوعها بوقت طويل قليل الفائدة لمن يراقب. رهان ReactVAU هو أن الحدث النادر ينبغي أن يكون ما يفعّل الحوسبة المكلفة، وأن كل ما عدا ذلك يمكن أن يتولاه شيء صغير.

ادعاء الكفاءة يأتي بلا رقم

تذكر الورقة أن تجارب عبر «معايير متعددة» تُظهر أن ReactVAU يعمل في ظل قيود البث مع بقائه منافساً في كشف الشذوذ والاستدلال السببي، مع «كفاءة حوسبية مُعزَّزة بشكل ملحوظ» نتيجة استدعاء النموذج الثقيل بمعدل أقل. لا يذكر الملخص أي أرقام. لا يوجد عدد إطارات في الثانية، ولا رقم دقة، ولا زمن استجابة، ولا قائمة بالمعايير التي استخدمها المؤلفون.

هذا طبيعي في ملخص بحثي، لكنه يترك ادعاء الكفاءة وعداً لا قياساً يمكن للقارئ التحقق منه. صفحة المشروع على huiyuiui.github.io/React_VAU/ هي المكان الذي يُفترض أن توجد فيه المواد الداعمة.

تركّز البنية أيضاً مخاطرها في النصف الرخيص. إذا فوّتت الوحدة السريعة شذوذاً قصيراً، فإن الوحدة البطيئة لا تستيقظ أبداً ويبلّغ النظام عن بث عادي. كم مرة يفوّت المرشّح، وكيف تصمد الذاكرة على مدى ساعات لا دقائق، هما السؤالان اللذان يحددان ما إذا كان تصميم النموذج الخامل توفيراً حقيقياً أم فاتورة مؤجلة. لا شيء من ذلك يجيب عنه ملخص يَعِد بالكفاءة دون رقم مرتبط بها.