نموذج OCR الجديد من بايدو يقرأ كتب هاري بوتر السبعة دفعة واحدة
طالما ارتبط التعرف الضوئي على الحروف (OCR)، وهو التقنية التي تحول صور النصوص إلى كلمات قابلة للتحرير، بسقف أعلى. فمعظم الأنظمة تتعامل مع بضع عشرات من الصفحات قبل أن تتراجع الدقة أو يتضخم استهلاك الذاكرة. في 27 أكتوبر، أصدرت بايدو نموذجًا أطلقت عليه Wenxin Unlimited OCR 2 وجعلته مفتوح المصدر، وتقول إنه يزيل هذا الحد تمامًا.
وتصف الشركة الإصدار بأنه المرة الأولى التي يحقق فيها أي نموذج تحليل مستندات بصفحات غير محدودة، دافعةً سقف المعالجة من عشرات الصفحات نحو ما تسميه غير المحدود. وفي عرض توضيحي، قرأ النموذج روايات هاري بوتر السبع كاملة في تشغيل واحد، بإجمالي يزيد على 3600 صفحة، مع الحفاظ على دقة عالية وسرعة معالجة مع تزايد طول المستند.
الحيلة التقنية هي آلية انتباه يسميها الفريق SR-SWA. فبدلًا من الاحتفاظ بكل صفحة في الذاكرة دفعة واحدة، يعمل النموذج كما يفعل شخص ينسخ كتابًا طويلًا: يمسح ما هو قادم، ويختار الصفحات وكتل المعلومات المهمة للمقطع الحالي، ويضع الباقي جانبًا. ثم تجمّع آلية فك ترميز مقسمة إلى أجزاء المخرجات. وتقول بايدو إن هذا النهج خفض ذروة استخدام ذاكرة KV في اختبار من مئة صفحة من 47 غيغابايت إلى جزء صغير من ذلك، مما يجعل المستندات الطويلة عملية على أجهزة عادية.
وتُظهر المعايير العامة لتحليل المستندات متعددة الصفحات، بما في ذلك اختبارات البادئة M التي تحظى بمتابعة واسعة، أن النموذج يحقق نتائج متقدمة، وفقًا للشركة. وتؤطر بايدو الإصدار على أنه بداية عصر OCR 3.0، حيث يُقاس تحليل المستندات ليس بمدى جودة قراءة النموذج لصفحة واحدة بل بمدى موثوقية تعامله مع أرشيف كامل.
الرهانات العملية كبيرة. فالعقود والملفات القضائية والسجلات الطبية والأرشيفات التاريخية والمكتبات الأكاديمية كلها تصل كأكوام من الصفحات الممسوحة ضوئيًا. ونموذج قادر على استيعابها في تمريرة واحدة قد يغيّر طريقة رقمنة مكاتب المحاماة والمستشفيات ودور النشر لمتأخراتها. وقد يغذي أيضًا المستندات الطويلة مباشرة في مساعدات الذكاء الاصطناعي، التي عانت مع نوافذ السياق والاسترجاع عند الطلب منها للاستدلال عبر مئات الصفحات.
وإتاحة النموذج مفتوح المصدر تخفض الحاجز أمام المطورين الذين يريدون بناء أدوات مستندات دون دفع رسوم لكل صفحة لمزود سحابي. وقد كانت بايدو تضع عائلة Wenxin كأساس لمنتجاتها وللمطورين الخارجيين، ويتماشى إصدار نموذج OCR مجانًا مع هذه الاستراتيجية.
ادعاء الصفحات غير المحدودة سيجلب التدقيق. ستحتاج الاختبارات المستقلة إلى تأكيد أن الدقة تصمد أمام عمليات المسح الواقعية الفوضوية والكتابة اليدوية والجداول، وليس فقط صفحات الكتب النظيفة. ومع ذلك، فالعرض التوضيحي لافت: نموذج واحد يقرأ سلسلة من سبعة كتب كاملة دفعة واحدة هو نوع المعيار الملموس الذي يميل إلى البقاء في الذاكرة.
وبالنسبة للقراء حول العالم، يذكّر الإصدار بأن مختبرات الذكاء الاصطناعي الصينية تتنافس بقوة في الهندسة العملية فضلًا عن أحجام النماذج اللافتة. فتحليل المستندات عمل غير براق، لكنه يقع تحت حصة ضخمة من تبني الذكاء الاصطناعي في المؤسسات. وإذا أدى النموذج كما هو معلن، فستكون الساحة التالية هي من يستطيع أولًا تحويل فهم المستندات الطويلة إلى أدوات مكتبية يومية.