نموذج “جيميناي” يرصد 69% من حالات السقوط في مقاطع الفيديو الحرارية المحجوبة للاختبار

في دراسة تمهيدية نُشرت عبر موقع arXiv وقُدّمت في 21 أكتوبر، أفاد ماركوس جونكا وماورو جونكا من شركة "سينيكتا" بأن نموذج Gemini 3.8 Flash حدد 69% من حالات السقوط المفتعلة لأشخاص محجوبين للاختبار في مقاطع فيديو حرارية منخفضة الدقة.

وتطرح الدراسة الصادرة في 21 أكتوبر النماذج اللغوية الكبيرة متعددة الوسائط، وهي نماذج تعالج الفيديو ومدخلات أخرى، كبديل يتطلب تدريباً أقل مقارنة بأجهزة الكشف التقليدية، التي ذكر الباحثان أنها أصدرت 14.2 و23.9 إنذاراً كاذباً يومياً في البيئة المنزلية.

واختبر الباحثون نموذجاً إنتاجياً متعدد الوسائط، وهو Gemini 3.8 Flash، ليكون مرحلة اتخاذ القرار في نظام فحص لحالات السقوط يعمل عند رصد الأحداث. واستخدمت التجربة طلباً واحداً لكل مقطع حراري قصير، مع إضافة المسار الصوتي إن وجد، وقارنت الإجابات بنموذج Gemini 3.7 Flash بناءً على الطلبات نفسها.

وفي مجموعة بيانات حرارية عامة بدقة 24×32، حدد الباحثون يدوياً 438 حالة سقوط مفتعلة و563 نافذة لا تتضمن سقوطاً. ومع استبعاد حالات السقوط من السرير، رصد الطلب المعتمد 67% من حالات السقوط عبر جميع الأشخاص، ولم يسجل أي إنذار خاطئ في 499 نافذة غير مخصصة للسقوط، بما في ذلك الحالات التي استلقى فيها الأشخاص على الأرض ثم نهضوا.

وكان الاختبار المنزلي أصغر حجماً وأكثر صعوبة. فعلى مدار 76 ساعة من النشاط المعتاد في غرفة مأهولة تم تسجيلها بدقة 120×160 مع الصوت، لم يصنف Gemini 3.8 Flash أياً من المقاطع البالغ عددها 395 مقطعاً من الحياة اليومية على أنها سقوط، وهو ما ترجمه الباحثون إلى حد أقصى بنسبة 95% يبلغ 1.2 إنذار كاذب يومياً. ورصد النموذج 4 من أصل 9 حالات سقوط مفتعلة مرئية للكاميرا.

وأدت صياغة الأوامر إلى تغيير النتيجة. وقال الباحثون إن تعليمات احترازية تنص على أن "الشخص الذي يخرج من مجال الرؤية ... لا يعد سقوطاً" فسرت العديد من الحالات التي لم تُرصد.

وأدى حذف تلك الجملة إلى رفع الحساسية، وهي نسبة حالات السقوط الحقيقية المكتشفة، من 69% إلى 83% بالنسبة للأشخاص المحجوبين للاختبار مع نموذج Gemini 3.8 Flash، ومن 80% إلى 92% مع نموذج Gemini 3.7 Flash.

كما أدى التغيير ذاته في صياغة الأمر إلى رفع النتيجة المنزلية من 4 حالات رصد إلى جميع حالات السقوط المفتعلة المرئية البالغ عددها 9 حالات، مع الاستمرار في عدم إصدار أي إنذارات سقوط كاذبة أثناء الحياة اليومية، وفقاً للدراسة. وكانت المقايضة تكمن في أن الاستلقاء المتعمد أصبح يُصنف حينها على أنه سقوط.

وتسلط الورقة الضوء أيضاً على قيود تكتسب أهمية عند التطبيق الفعلي؛ إذ انخفضت الحساسية إلى 34% عند دقة 6×8 بكسل، وأعطت الطلبات المتطابقة إجابات مختلفة في 4% من النوافذ، وعندما رصد النموذج حالة سقوط بالفعل، حدد تفسيره وقوع الحدث في نطاق ثانية واحدة من لحظة الارتطام المحددة في 99% من الحالات.

وجاءت المقارنة مع أجهزة الكشف التقليدية متباينة. وذكر الباحثون أن جهازي كشف تم تدريبهما على بيانات المختبر رصدا تقريباً كل حالات السقوط المحجوبة للاختبار في المختبر، لكنهما أنتجا إنذارات كاذبة في المنزل أكثر بكثير من نظام الفحص القائم على النموذج اللغوي الكبير، بمعدل 14.2 و23.9 إنذاراً في اليوم.

ويجادل الباحثون بأن الكاميرات الحرارية يمكنها مراقبة كبار السن الذين يعيشون بمفردهم دون التقاط وجوههم، غير أن هذه النتائج لا تثبت الجاهزية السريرية. فالورقة البحثية هي مسودة أولية عبر arXiv ولم تخضع لمراجعة الأقران، كما أن الأدلة المنزلية تغطي غرفة مأهولة واحدة و9 حالات سقوط مفتعلة مرئية فقط.

وقال الباحثون إنهم أتاحوا تصنيفات السقوط على مستوى الإطارات لمجموعة البيانات العامة مع جميع إجابات النماذج المتعلقة بها. وتتألف المسودة التمهيدية من 13 صفحة و6 أشكال توضيحية ورابط بيانات تستضيفه "سينيكتا".

المصدر: مسودة أولية على arXiv، قسم arXiv cs.AI، تاريخ 22 أكتوبر 2026.