قبل از شرکت در رشته هوش مصنوعی در رویداد ملی کیبُرد، هوش مصنوعی برای من بیشتر چیزی بود که اسمش را در مورد ابزارهای مختلف شنیده بودم. میدانستم کامپیوترها میتوانند تصویر را تحلیل کنند، اشیای داخل یک عکس را تشخیص دهند یا حتی متن موجود در یک تصویر را بخوانند، اما اینکه این فرایند دقیقاً چطور اتفاق میافتد و چطور میشود خودمان یک پروژه در این حوزه بسازیم، برایم خیلی روشن نبود.
شرکت در شاخه پردازش تصویر باعث شد قدمبهقدم با این مسیر آشنا شوم و در نهایت برای مسابقه روی پروژهای با موضوع «استخراج اطلاعات متنی از کارت ملی» کار کنم. پروژهای که در آن باید مدلی میساختم که بتواند اطلاعات موجود روی تصاویر کارت ملی را بهدرستی تشخیص دهد و استخراج کند. این پروژه باعث شد علاوه بر مفاهیم فنی هوش مصنوعی، چیزهای زیادی درباره داده، آزمونوخطا، مدیریت زمان و حل مسئله یاد بگیرم.
روایت نمونه: سهیل ابراهیمی، دانشآموز پایه نهم و شرکتکننده رشته هوش مصنوعی، شاخه پردازش تصویر
از قبل به کامپیوتر و برنامهنویسی علاقه داشتم و هوش مصنوعی هم یکی از موضوعاتی بود که همیشه برایم جالب بود. مخصوصاً وقتی میدیدم یک برنامه میتواند تصویر را بررسی کند، یک شیء را تشخیص دهد یا اطلاعات خاصی را از داخل یک عکس بیرون بکشد، دوست داشتم بفهمم پشت این فرایند چه اتفاقی میافتد.
وقتی متوجه شدم در رشته هوش مصنوعی کیبُرد، شاخه پردازش تصویر وجود دارد، همین موضوع بیشتر جذبم کرد. دوست داشتم پروژهای بسازم که فقط برای تمرین نباشد و بتوانم برایش یک کاربرد واقعی هم تصور کنم.
در ابتدای آموزشها متوجه شدم چیزی که قبلاً از هوش مصنوعی میدیدم فقط بخش نهایی کار بوده است.
برای اینکه یک مدل بتواند اطلاعات داخل یک تصویر را درست تشخیص دهد، قبل از آن مراحل زیادی وجود دارد. باید داده مناسب داشته باشیم، تصاویر را آماده کنیم، مشخص کنیم دقیقاً چه چیزی قرار است از تصویر استخراج شود، مدل را آموزش دهیم، نتیجه را آزمایش کنیم و اگر دقت مناسب نبود دوباره به مراحل قبل برگردیم.
همین بخش برای من یکی از جذابترین قسمتهای آموزش بود.
کمکم متوجه شدم در هوش مصنوعی جواب بسیاری از سؤالها با یک بار اجرا کردن برنامه پیدا نمیشود و باید بارها نتیجه را بررسی کرد.
پروژهای که برای مسابقه روی آن کار کردم، استخراج اطلاعات متنی از تصاویر کارت ملی بود.
برای انجام پروژه، صدها تصویر کارت ملی در اختیار ما قرار گرفته بود که تصاویر اصلی به شکلهای مختلف ترانسفورم شده بودند. یعنی همه تصاویر دقیقاً صاف، هماندازه و در یک شرایط یکسان نبودند و مدل باید میتوانست در شرایط مختلف هم اطلاعات موجود روی کارت را تشخیص دهد.
هدف این بود که مدلی بسازیم که تصویر کارت ملی را دریافت کند و بتواند اطلاعات متنی موجود روی آن را تا جای ممکن دقیق استخراج کند.
در نگاه اول پروژه خیلی ساده به نظر میرسید. ممکن است فکر کنید وقتی متن روی کارت مشخص است، خواندن آن توسط کامپیوتر نباید کار خیلی سختی باشد.
اما وقتی کار را شروع کردم متوجه شدم فاصله زیادی بین اینکه خود ما یک متن را داخل تصویر ببینیم و اینکه یک مدل بتواند همان متن را در شرایط مختلف بهدرستی استخراج کند وجود دارد.
یکی از اولین چالشهایی که با آن روبهرو شدم، تفاوت تصاویر موجود در دادههای پروژه بود.
صدها تصویر کارت ملی در اختیار ما قرار گرفته بود، اما این تصاویر شرایط یکسانی نداشتند. بعضی تصاویر تغییر زاویه داشتند، بعضی کشیده یا تغییر شکل داده شده بودند و در بعضی نمونهها کیفیت یا وضعیت تصویر باعث میشد خواندن متن سختتر شود.
در ابتدا شاید تصورم این بود که چون ساختار کارت ملی مشخص است و اطلاعات تقریباً در جای مشخصی قرار دارند، مدل هم باید بتواند بهراحتی آنها را پیدا کند.
اما خیلی زود متوجه شدم حتی تغییرات ظاهراً کوچک در تصویر میتوانند روی نتیجه تأثیر بگذارند.
ممکن بود یک بخش از اطلاعات در یک تصویر کاملاً درست استخراج شود، اما همان بخش در تصویر دیگری که کمی زاویه یا تغییر شکل داشت، نتیجه متفاوتی بدهد.
همین مرحله باعث شد بفهمم در پروژههای هوش مصنوعی فقط داشتن تعداد زیادی تصویر مهم نیست؛ تنوع دادهها و توانایی مدل برای کار کردن در شرایط متفاوت هم اهمیت زیادی دارد.
بعد از آماده کردن اولین نسخه پروژه، شروع کردم نتیجه مدل را روی تصاویر مختلف آزمایش کردن.
روی بعضی کارتها اطلاعات بهخوبی استخراج میشد.
اولش همین باعث شد فکر کنم بخش اصلی پروژه تقریباً تمام شده است. اما وقتی تصاویر بیشتری را امتحان کردم، مشکلات یکییکی خودشان را نشان دادند.
گاهی مدل بخشی از متن را درست تشخیص میداد اما یک عدد یا حرف را اشتباه میخواند. در بعضی تصاویر، تغییر زاویه یا شکل کارت باعث میشد اطلاعات یک بخش بهدرستی استخراج نشود. بعضی وقتها هم نتیجه تقریباً درست بود، اما یک اشتباه کوچک باعث میشد اطلاعات نهایی دیگر دقیق نباشد.
در پروژهای که قرار است اطلاعات متنی استخراج شود، حتی همین اشتباههای کوچک هم مهم هستند.
اینجا بود که متوجه شدم درست جواب دادن روی چند تصویر، به معنی خوب بودن مدل نیست.
شروع کردم نتیجه مدل را روی نمونههای مختلف مقایسه کردن تا بفهمم بیشتر در چه شرایطی اشتباه میکند.
گاهی مشکل واضح بود، اما بعضی وقتها مدت زیادی طول میکشید تا بفهمم دقیقاً چه چیزی باعث شده یک بخش از اطلاعات کارت درست استخراج نشود.
بعد از آزمایشهای اولیه، مهمترین هدفم این بود که دقت استخراج اطلاعات کارت ملی را بیشتر کنم.
این مرحله بیشتر از چیزی که انتظار داشتم زمان برد.
باید دوباره سراغ تصاویر میرفتم، دادهها را بررسی میکردم، نمونههای مختلف را امتحان میکردم و نتیجه تغییرات را میدیدم.
بعضی وقتها تغییری ایجاد میکردم و مطمئن بودم نتیجه خیلی بهتر میشود، اما تقریباً هیچ اتفاق خاصی نمیافتاد.
گاهی هم برعکس، یک تغییر کوچک باعث میشد مدل روی تعدادی از تصاویر عملکرد بهتری داشته باشد و اطلاعات را دقیقتر استخراج کند.
این آزمونوخطاها شاید خستهکنندهترین بخش پروژه بودند، اما فکر میکنم بیشترین یادگیری من هم در همین مرحله اتفاق افتاد.
کمکم یاد گرفتم به جای اینکه فقط از درست یا غلط بودن نتیجه ناراحت یا خوشحال شوم، از خودم بپرسم: «چرا مدل این قسمت را اشتباه خواند؟»
همین سؤال باعث شد نگاه متفاوتی به پروژه پیدا کنم.
قبل از شروع پروژه تصور میکردم اگر الگوریتم را درست اجرا کنم، نتیجه هم باید درست باشد.
اما در طول کار فهمیدم پروژه هوش مصنوعی اینطور پیش نمیرود.
مدل را اجرا میکنید، نتیجه را میبینید، مشکل پیدا میکنید، بخشی از کار را تغییر میدهید و دوباره آزمایش میکنید. گاهی حتی لازم است چند مرحله به عقب برگردید.
برای من هم این اتفاق بارها افتاد. مخصوصاً زمانی که میخواستم استخراج اطلاعات از تصاویری را بهتر کنم که نسبت به نمونههای سادهتر تغییر زاویه یا تغییر شکل بیشتری داشتند.
در بعضی موارد مجبور میشدم دوباره تصاویر را بررسی کنم و ببینم آیا مشکل واقعاً از مدل است یا از نحوه آمادهسازی و پردازش دادهای که در اختیارش قرار دادهام.
در نهایت توانستم دقت استخراج اطلاعات را نسبت به نسخههای اولیه بهتر کنم و همین پیشرفت برایم یکی از رضایتبخشترین بخشهای پروژه بود.
شاید نتیجه هنوز چیزی نبود که بتوان گفت در هر شرایطی بدون خطا کار میکند، اما برای من مهم بود که ببینم تغییراتی که انجام میدهم واقعاً روی عملکرد پروژه اثر دارند.
یکی از بهترین لحظههای این مسیر برای من زمانی بود که نسخه جدید مدل را روی تعدادی از تصاویری که قبلاً مشکل داشتند آزمایش کردم و دیدم نتیجه بهتر شده است.
بعضی از همان اطلاعاتی که در نسخههای قبلی اشتباه استخراج میشدند، حالا دقیقتر تشخیص داده میشدند.
شاید برای کسی که فقط نتیجه نهایی را میدید، تغییر خیلی بزرگی نبود؛ اما خودم میدانستم برای رسیدن به همان تغییر چند بار تصاویر را بررسی کرده بودم، چند روش را امتحان کرده بودم و چند بار نتیجهای گرفته بودم که اصلاً چیزی نبود که انتظار داشتم.
همان لحظه برایم جذاب بود که دیدم چیزی که در آموزش درباره داده، آزمایش و بهتر کردن مدل شنیده بودم، حالا در پروژه خودم معنی پیدا کرده است.
فکر میکنم یکی از تفاوتهای یادگیری از طریق پروژه همین است.
وقتی فقط یک مفهوم را در ویدیو میبینید ممکن است فکر کنید آن را فهمیدهاید؛ اما وقتی مدل خودتان یک عدد یا بخشی از متن را اشتباه تشخیص میدهد، تازه مجبور میشوید واقعاً بفهمید مشکل از کجاست.
اگر دوباره به روز اول پروژه برگردم، یکی از اولین کارهایی که تغییر میدهم نحوه بررسی و آمادهسازی دادههاست.
در شروع کار عجله داشتم هرچه زودتر مدل را اجرا کنم و نتیجه را ببینم. به همین دلیل زمان کمتری برای بررسی دقیق تصاویر و تفاوت میان نمونههای مختلف گذاشتم.
بعداً مجبور شدم چند بار دوباره به همان مرحله برگردم.
اگر از ابتدا تصاویر را دقیقتر بررسی میکردم و تفاوت میان نمونههای سادهتر و تصاویر ترنسفورمشده را بهتر در نظر میگرفتم، احتمالاً بخشهای بعدی پروژه هم راحتتر پیش میرفت. مدیریت زمان را هم جدیتر میگرفتم.
حالا میدانم بخش آزمایش و بهتر کردن مدل ممکن است خیلی بیشتر از چیزی که در ابتدا تصور میکنیم زمان ببرد. برای همین کارهای مهم پروژه را برای روزهای آخر نمیگذاشتم.
البته فکر میکنم همین اشتباهها هم بخشی از تجربه من بودند.
اگر همه چیز از اولین اجرا درست کار میکرد، احتمالاً خیلی از چیزهایی را که امروز درباره پردازش تصویر و ساخت پروژه یاد گرفتهام، یاد نمیگرفتم.
قبل از این تجربه، هوش مصنوعی برای من بیشتر مجموعهای از ابزارها و فناوریهای جالب بود.
بعد از کار روی پروژه استخراج اطلاعات کارت ملی، نگاه من خیلی تغییر کرد.
حالا بهتر میدانم پشت سیستمی که میتواند اطلاعات یک تصویر را استخراج کند فقط یک مدل قرار ندارد. داده، کیفیت تصاویر، تغییرات موجود در آنها، آمادهسازی داده، آموزش مدل، آزمایشهای مختلف و بررسی خطاها همه بخشی از نتیجه نهایی هستند.
از طرف دیگر، برای اولین بار تجربه کردم که یک مسئله واقعی را به یک پروژه تبدیل کنم.
کار از یک سوال ساده شروع شد: چطور میشود اطلاعات متنی یک کارت ملی را از داخل تصویر بهدرستی استخراج کرد؟
اما برای جواب دادن به همین سؤال مجبور شدم چند مسئله کوچکتر را حل کنم، روشهای مختلف را امتحان کنم، نتیجه اشتباه ببینم و دوباره به سراغ پروژه برگردم.
در کنار چیزهایی که درباره هوش مصنوعی و پردازش تصویر یاد گرفتم، فکر میکنم صبر، جستوجو، مدیریت زمان و پیدا کردن دلیل اشتباهها هم جزو مهارتهایی بودند که بیشتر از قبل تجربه کردم.
اگر بخواهم به دانشآموز دیگری که میخواهد وارد رشته هوش مصنوعی شود توصیهای کنم، اولین چیزی که میگویم این است که لازم نیست از همان ابتدا همه چیز را بلد باشید.
خود من هم وقتی شروع کردم خیلی از چیزهایی را که برای پروژه نیاز داشتم نمیدانستم.
اگر پروژهتان در اولین اجرا درست کار نکرد، سریع فکر نکنید که مسیر را اشتباه رفتهاید. در پروژههای هوش مصنوعی خیلی وقتها باید چند بار نتیجه اشتباه ببینید تا متوجه شوید باید چه چیزی را تغییر دهید.
من در طول این پروژه فهمیدم بخش زیادی از کار دقیقاً بعد از ساخت نسخه اول شروع میشود؛ زمانی که باید بفهمید چرا بعضی اطلاعات درست استخراج نمیشوند و چطور میتوانید نتیجه را بهتر کنید.
اگر بخواهم تجربه خودم از هوش مصنوعی در کیبُرد را خلاصه کنم، برای من مسیری بود که از کنجکاوی درباره یک فناوری شروع شد و به ساخت پروژهای رسید که میتوانستم نتیجه تغییرات خودم را واقعاً در آن ببینم.
مدلی که برای استخراج اطلاعات کارت ملی ساختم از همان ابتدا دقیق نبود؛ بعضی اطلاعات را اشتباه میخواند، روی بعضی تصاویر نتیجه خوبی نمیداد و چند بار مجبور شدم به مراحل قبلی برگردم.
اما شاید مهمترین چیزی که از همین مسیر یاد گرفتم این بود که ساختن یک پروژه واقعی دقیقاً همین است؛ نتیجه را میبینی، مشکل را پیدا میکنی، دوباره امتحان میکنی و هر بار چیزی را کمی بهتر از قبل میسازی.
📌 اگر شما هم دوست دارید تجربهای شبیه به تجربه سهیل داشته باشید، میتوانید در دوره بعدی رویداد ملی کیبُرد ثبتنام کنید و مسیر یادگیری خودتان را در حوزهی هوش مصنوعی، اینترنت اشیا یا بازیسازی شروع کنید.