نماذج الرؤية والتعلم الآلي: الطبقة الذكية القادمة لأمن المدن الجزائرية

لماذا لا تُحقِّق شبكات CCTV القائمة إمكاناتها الكاملة؟

استثمرت الجزائر استثماراً ملحوظاً في بنية المراقبة الحضرية خلال العقد الماضي، بنشر شبكات كاميرات في مراكز المدن الكبرى والمحاور التجارية والمنشآت الحكومية. القيد هيكلي: فيديو المراقبة التقليدي بيانات سلبية. يُسجَّل ويُخزَّن ويُراجَع من قِبَل مشغِّلين بشريين بعد وقوع الحادث — لا يُحلَّل في الوقت الفعلي للوقاية منه.

تُفاقم مشكلة الحجم هذا الواقع. إدارة بلدية متوسطة الحجم تُدير 500 كاميرا تُنتج أكثر من 12,000 ساعة من لقطات الفيديو يومياً. يستطيع المشغِّل البشري مراقبة ست إلى ثماني كاميرات بانتباه مستمر. أما بقية الشبكة فتعمل كأرشيف لا كمستشعر.

تُحلُّ نماذج الرؤية والتعلم الآلي لمراقبة CCTV هذه المشكلة بتطبيق فهم اللغة الطبيعية على رأس رؤية الحاسوب. بدلاً من كاشف قائم على قواعد يُمكنه فقط تتبع الحركة أو فئات أشياء محددة مسبقاً، يستطيع نموذج VLM الإجابة عن سؤال: “أرني جميع الحالات خلال الـ 24 ساعة الماضية التي دخل فيها شخص ما من المدخل الجنوبي بعد الساعة 11 مساءً وبقي أكثر من 10 دقائق.”

تُحقِّق أحدث نماذج VLM تحسينات في الدقة تتراوح بين 15% و20% مقارنةً بأنظمة الرؤية المحضة، وتُظهر أبحاث المعيار المرجعي للكشف عن الشذوذات في المراقبة أنها تحافظ على دقة تتجاوز 90% حتى في المشاهد المعقدة.

مشهد نماذج VLM: المتاح وتكلفته

التطور الأهم بالنسبة للجهات المُنشِّئة في الجزائر هو ظهور نماذج VLM مفتوحة الأوزان بلا رسوم لكل استعلام. وفقاً لـمعيار Dextralabs المرجعي لأفضل عشرة نماذج رؤية-لغة لعام 2026، تتوفر عدة نماذج قادرة على الإنتاج تحت تراخيص Apache 2.0:

Qwen2.5-VL-72B-Instruct (Alibaba) هو الخيار الأكثر قدرةً من بين النماذج مفتوحة الأوزان لفهم الفيديو، ويدعم الاستعلامات متعددة اللغات بما فيها العربية والفرنسية — وهو أمر ذو صلة مباشرة بالمشغِّلين الجزائريين الذين يحتاجون للاستعلام بالفرنسية أو توليد التقارير بالعربية.

InternVL3-78B يسجِّل 72.2 في معيار MMMU للاستدلال متعدد الأشكال. LLaMA 3.2-Vision (Meta، ترخيص مفتوح) هو الخيار الأخف وزناً للنشر على الحافة. وكما أن السوق العالمية للذكاء الاصطناعي تجاوزت 391 مليار دولار في 2025، انخفضت تكلفة الاستدلال لكل ساعة فيديو مُعالَجة بأكثر من 80% منذ 2023. طبقة تحليل فيديو VLM على 100 كاميرا تُكلِّف أقل من راتب مشغِّل أمن إضافي شهرياً.

ما يجب على مشغِّلي الأمن الجزائريين فعله

1. تشغيل تجربة استرجاعية مدتها 30 يوماً على لقطات محفوظة قبل شراء أي بنية تحتية

المسار الأسرع والأرخص لاعتماد VLM هو التحليل الاسترجاعي للأرشيف الموجود. معظم إدارات المدن الجزائرية وشركات الأمن الخاصة تخزِّن 30 يوماً من لقطات CCTV. تشغيل نموذج VLM مفتوح الأوزان (Qwen2.5-VL أو LLaMA 3.2-Vision) على هذا الأرشيف باستعلامات استرجاعية — “حدِّد جميع حالات الوقوف المزدوج بالقرب من مناطق المدخل”، “لخِّص أنماط كثافة الحشود في الميدان الرئيسي” — يُنتج قيمةً تشغيليةً فوريةً دون المساس بالبنية التحتية النشطة.

المتطلب التقني هو خادم بوحدة معالجة رسومية حديثة (NVIDIA A10 أو ما يعادلها، قابلة للاستئجار بالساعة من Hetzner أو OVHcloud، كلاهما متاح من الجزائر) وأوزان النموذج مفتوح المصدر المُنزَّلة من Hugging Face. مقاول تقنية معلومات ذو كفاءة يمكنه تهيئة هذه البيئة في أقل من يومين عمل.

2. إعطاء الأولوية لقدرة الاستعلام باللغة العربية في اختيار الموردين

يجب أن يدعم أي نشر لـ VLM في عمليات الأمن الجزائرية الاستعلامات باللغة العربية ويُولِّد تقارير الحوادث بالعربية. يدعم Qwen2.5-VL اللغة العربية صراحةً ضمن قدراته متعددة اللغات — وهذا يجب أن يكون المعيار الافتراضي في أي مواصفات شراء. عند تقييم موردي API المُدارة، يُشترط إجراء اختبار استعلام باللغة العربية موثَّق كجزء من عملية الشراء.

3. دمج ملخصات حوادث VLM في مسارات العمل التشغيلية القائمة

لا تتحقق القيمة التشغيلية لنماذج VLM إلا حين تتصل مخرجاتها بمسارات العمل التي يستخدمها مشغِّلو الأمن بالفعل. نموذج VLM يُولِّد ملخصات حوادث إلى لوحة معلومات منفصلة يجب على المرسلين مراجعتها بمعزل عن غيرها يُضيف حملاً إدراكياً بدلاً من تخفيفه. النمط الصحيح للتكامل: تُشغِّل مخرجات VLM نفس قنوات التنبيه المستخدمة حالياً (الراديو والإشعارات المحمولة ولوحات المراقبة المركزية)، مع إرفاق الملخص باللغة الطبيعية بتنسيق التنبيه الموجود.

مسألة الامتثال وسيادة البيانات

الإطار القانوني الجزائري للذكاء الاصطناعي في المراقبة لا يزال متخلفاً عن وتيرة نشر التكنولوجيا. يُغطِّي القانون 18-07 المتعلق بحماية البيانات الشخصية جمع البيانات وتخزينها لكنه لا يتناول تحديداً التحليل المدعوم بالذكاء الاصطناعي للبيانات البيومترية أو السلوكية.

التوصية العملية: توثيق نشر VLM بتقييم أثر على البيانات يُحدِّد ما يُحلِّله النموذج (أنماط الحركة وكثافة الحشود وكشف الشذوذات) وما لا يُحلِّله (يجب استبعاد التعرف على الوجه والتعريف البيومتري صراحةً من النشرات الأولية) وفترة الاحتفاظ بالبيانات المُحلَّلة ومن يملك صلاحية الاستعلام.

وتُشير تحليلات Avidbeam لعام 2026 حول معايير تحليل الفيديو المؤسسي إلى أن أكثر النشرات قابليةً للدفاع عنها عالمياً هي تلك التي تستبعد صراحةً التعرف على الوجه والتسجيل البيومتري من نطاقها التحليلي، مُركِّزةً بدلاً من ذلك على تحليل السلوك والمشهد.

مكانة هذا التطور في مسار المدينة الذكية الجزائرية

ركَّزت مبادرات المدن الذكية الجزائرية — المتركزة في مشاريع التطوير العمراني الجديدة حول الجزائر العاصمة وتكنوبول سيدي عبدالله ومشروع قسنطينة الذكية — بصورة رئيسية على البنية التحتية. طبقة الذكاء التحليلي تأخرت عن الاستثمار في المعدات.

تُمثِّل نماذج VLM نقطة الدخول الأقل احتكاكاً لتلك الطبقة في تطبيقات الأمن تحديداً. رؤية Milestone Systems لإدارة الفيديو بالذكاء الاصطناعي لعام 2026 — كما وصفتها تغطية Biometric Update لأهداف الشركة — هي تحديداً هذا النمط: طبقة VLM تُحوِّل لقطات المراقبة إلى تقارير مكتوبة وملخصات فورية وأرشيف حوادث قابل للبحث. السوق الأمنية الجزائرية — سواء القطاع العام أو الأمن المؤسسي الخاص — كبيرة بما يكفي لإدامة مقدمي خدمات محليين يُنتجون قدرات VLM للنشر المحلي.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• نماذج الرؤية والتعلم الآلي لمراقبة CCTV — Vision Platform AI
• أفضل 10 نماذج رؤية-لغة لعام 2026 — Dextralabs
• معيار VLM المضغوط لكشف الشذوذات في المراقبة — MDPI
• حلول تحليل الفيديو بالذكاء الاصطناعي في 2026 — Avidbeam
• Milestone تكشف عن نموذجها للرؤية والتعلم وأهداف 2026 — Biometric Update