تتحول المدن الحديثة إلى منظومات ذكية تعتمد على شبكات واسعة من كاميرات المراقبة المغلقة لرصد الفضاءات العامة وتعزيز أمنها، غير أن تنامي معدلات العنف والاعتداءات وحوادث الأسلحة المسجلة بهذه الكاميرات يفرض تحديًا حقيقيًا، إذ تعجز أنظمة المراقبة التقليدية في كثير من الأحيان عن التعرف الآني على أعمال العنف، وعن التوسع والشفافية في قراراتها الآلية
ومن هنا تتجه البحوث الحديثة إلى نماذج تعلم عميق لا تكتفي بدقة التصنيف، بل تضيف قابلية تفسير قراراتها لتكون جديرة بثقة المشغلين والمواطنين وصناع القرار، وتقدم هذه الدراسة إطارًا جديدًا يجمع بين دمج السمات من عائلات شبكية متعددة وبين أدوات تفسير الذكاء الاصطناعي، ليكون خطوة نحو مراقبة ذكية شفافة وقريبة من الزمن الحقيقي في منظومات المدن الذكية
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى بناء إطار قابل للتفسير لدمج السمات العميقة على مستوى متعدد الدعائم للكشف متعدد الفئات عن العنف في مقاطع الفيديو، واقترحت إطارًا أطلقت عليه اسم دي ريف يدمج متغيرين من كل عائلة من عائلات دينس نت وريز نت وفي جي جي ضمن معمارية دمج سمات متعددة الدعائم، واعتمد النموذج على مجموعة بيانات رصد العنف بكاميرات المدن الذكية لتصنيف مقاطع المراقبة إلى ثلاث فئات هي الطبيعي والعنيف والحامل للسلاح، وقورن أداؤه بالشبكات الأساسية المنفردة، وحُللت قدرته التمييزية بمنحنيات التشغيل والاستدعاء الدقيق، ووظفت أساليب الذكاء الاصطناعي القابل للتفسير مثل غراد كام ولايم والأهمية الزمنية المضادة للوقائع لتحديد السمات المكانية والزمنية البارزة المؤثرة في قرارات النموذج
ثانيًا: أبرز النتائج
1. حقق إطار دي ريف أداء متفوقًا بدقة بلغت 96.15 في المئة ودرجة إف 1 كلية قدرها 0.9617، متجاوزًا الشبكات الأساسية المنفردة ومنها ريز نت 101 بنسبة 91.67 في المئة ودينس نت 169 بنسبة 92.30 في المئة وفي جي جي 16 بنسبة 92.94 في المئة
2. أظهر تحليل منحنيات التشغيل قيم مساحة تحت المنحنى بلغت 0.99 للفئة الطبيعية و0.98 لفئة العنف و0.98 لفئة حاملي السلاح، بما يدل على قدرة تمييزية عالية
3. بلغت قيم منحنيات الدقة والاستدعاء 0.99 و0.97 و0.95 للفئات الثلاث على الترتيب، وهو ما يثبت استقرار الأداء وقدرته على التمييز في ظروف مختلفة
4. أتاحت أساليب التفسير تحديد السمات المكانية والزمنية المؤثرة في قرارات التصنيف، فمنحت مخرجات النموذج شفافية وقابلية للفهم لدى المشغلين ومتخذي القرار
ثالثًا: دلالات الدراسة وتطبيقاتها
تدل النتائج على أن دمج سمات عائلات شبكية متنوعة في إطار واحد يرفع دقة كشف العنف في المراقبة بالفيديو فوق ما تحققه الشبكات المنفردة، وأن إضافة طبقة التفسير تحول النموذج من صندوق مغلق إلى أداة قابلة للمساءلة والثقة، بما يدعم مراقبة ذكاء اصطناعي شبه آنية ومحورها المواطن، ويفيد ذلك مخططي المدن الذكية ووكالات الأمن العام ومطوري أنظمة المراقبة عند بناء منظومات أمان أكثر مرونة واعتمادية، مع بقاء الحاجة إلى اختبارات ميدانية أوسع على بيانات مدن مختلفة للتحقق من التعميم في بيئات تشغيل متنوعة ومزدحمة
وفي المقابل تثير أنظمة المراقبة الذكية من هذا النوع أسئلة مشروعة حول الخصوصية وحوكمة البيانات وحدود الرصد في الفضاء العام، وهو ما يجعل قابلية التفسير التي يقدمها الإطار ركيزة أخلاقية بقدر ما هي ميزة تقنية، إذ تتيح للمؤسسات المشغلة تبرير إنذاراتها ومراجعة قراراتها الآلية عند الخلاف، وتدعم هذه الموازنة بين الأمن والحقوق توجهات المدن الذكية الحديثة نحو ذكاء اصطناعي جدير بالثقة يضع الإنسان في المركز، ويمكن توظيف أطر مماثلة في محاور النقل والمنشآت الحيوية والفعاليات الجماهيرية الكبرى حيث تشتد الحاجة إلى إنذار مبكر موثوق يقلل زمن الاستجابة ويحد من التصعيد قبل وقوعه
وخلاصة القول إن هذه الدراسة تقدم إطارًا متكاملًا يوازن بين الدقة العالية وقابلية التفسير في كشف العنف بمنظومات المدن الذكية، وتفتح الباب أمام جيل من أنظمة المراقبة الجديرة بالثقة، وتمثل إضافة مهمة للباحثين العرب في الذكاء الاصطناعي وأمن المدن ممن يعملون على حلول مراقبة ذكية تراعي الشفافية وسلامة المواطنين معًا
