شبكة معرفية معززة لشبكة تنافسية مولدة عابرة للوسائط لإعادة بناء حركات الفنون القتالية والحفاظ على التراث

لماذا تُهم الكونغ فو المتقدمة

الفنون القتالية التقليدية أكثر من ركلات ولكمات مذهلة — فهي حوامل حية للفلسفة وممارسات الصحة والهوية الثقافية. ومع ذلك، توجد العديد من هذه المهارات فقط في أجساد وذاكرات الأساتذة المسنين، ولا تستطيع التسجيلات الفيديوية العادية أن تلتقط عمقها بالكامل. يستكشف هذا البحث كيف يمكن لنظام ذكاء اصطناعي متقدم أن «يتعلم» الفنون القتالية بطريقة غنية وذات مغزى، بحيث يمكن للأجيال المقبلة دراسة ليس فقط كيف تبدو الحركة، بل لماذا تُنفذ بهذه الطريقة.

مشكلة تصوير المهارات القديمة

على مدى قرون، نُقلت الفنون القتالية من معلم إلى تلميذ، غالبًا مع سجل كتابي محدود. الكاميرات الحديثة وأطقم التقاط الحركة تساعد، لكنها تظل قاصرة. الفيديو يبسط الإجراءات ثلاثية الأبعاد للجسم كاملة إلى بعدين، وحتى المستشعرات المتطورة قد تفوت تغيّرات الوزن الدقيقة أو تدفق الطاقة الداخلي أو الهدف التكتيكي وراء الحركة. تسجّل الأنظمة الحالية في الأساس «ما» يفعله الجسم — زوايا المفاصل ووضعياتها — بينما تتجاهل الأفكار الثقافية ومبادئ القتال التي تمنح كل تقنية روحها. ونتيجة لذلك، قد تبدو الحركات المؤرشفة صحيحة للمشاهد العادي لكنها خاطئة بالنسبة للممارسين ذوي الخبرة.

خريطة رقمية للحكمة القتالية

لمعالجة ذلك، يبني المؤلفون أولًا شبكة معرفية كبيرة للفنون القتالية — في الأساس خريطة رقمية للمفاهيم والعلاقات. تشمل تقنيات فردية، أجزاء الجسم، اتجاهات القوة، مراحل التدريب، أفكارًا أساسية مثل «الملموس والغير ملموس» للوزن، والسياقات التي تُستخدم فيها الحركات. تعبر الروابط عن علاقات مثل «هذه الوقفة شرط سابق لتلك الضربة» أو «هذه الحركة تجسّد هذا المبدأ». باستخدام طرق تعلم الرسوم البيانية، يتحول كل عنصر في هذه الخريطة إلى تمثيل رقمي يمكن للكمبيوتر التعامل معه، مع الحفاظ على بنية المعرفة الخبرية.

تعليم الذكاء الاصطناعي ربط الكلمات والصور والحركة

بعد ذلك، يصمم الفريق نظامًا قادرًا على فهم الفنون القتالية عبر أشكال متعددة في آن واحد: مقاطع الفيديو للأداء، والشروح المكتوبة، وبيانات التقاط الحركة الدقيقة. تحلل وحدات منفصلة كل نوع — شبكة فيديو تدرس اللقطات إطارًا بإطار، ونموذج لغوي يقرأ الأوصاف التقنية والتاريخية، ونموذج قائم على الرسم البياني يتتبّع كيفية تحرك المفاصل عبر الزمن. خطوة محاذاة خاصة، مُوجهة بواسطة الشبكة المعرفية، تُجبر هذه الرؤى المختلفة على الاتفاق حول ماهية التقنية فعليًا. يمنع ذلك الذكاء الاصطناعي من التقاط أنماط مضللة ويساعده على التعامل مع الحركات النادرة من خلال ربطها بحركات معروفة أفضل عبر المبادئ المشتركة.

توليد حركات تبدو أصيلة

فوق هذا الأساس، يبني المؤلفون محركًا لتوليد الحركة يعتمد على الشبكات التوليدية الخصمية. يقترح جزء من النظام تسلسلات حركة جديدة؛ وتقيم ثلاثة أجزاء «ناقِدة» هذه التسلسلات من زوايا مختلفة: دقة الوضع المحلي، تنسيق الجسم ككل، والوفاء الأسلوبي بالفن القتالي. طوال هذه العملية، تعمل الشبكة المعرفية كمعلم مشرف، توجه الذكاء الاصطناعي بعيدًا عن الوضعيات التي قد تكسر التوازن، أو تنتهك قواعد الأسلوب، أو تتجاهل مراحل رئيسية من التقنية. في اختبارات على ستة أساليب صينية رئيسية، خفّض النظام خطأ موضع المفاصل بأكثر من ربع مقارنةً بقدرات أساسية حديثة قوية وحقق درجات عالية في الالتزام بالمبادئ القتالية المشفّرة.

أبعد من الحركات الجميلة: إنقاذ التقاليد الحية

بالنسبة لغير المتخصصين، الخلاصة هي أن الأمر ليس مجرد رسوم متحركة حاسوبية أنعم. من خلال دمج قواعد الخبراء والمعنى الثقافي في قلب نموذج الذكاء الاصطناعي، يمكن للطريقة إعادة بناء أشكال تكون صحيحة بدنيًا وأمينة لشخصية كل أسلوب — من الدوائر المتدفقة في باقوازانغ إلى الخطوط المتفجرة في شينغيي-تشن. يجادل المؤلفون بأن مثل هذه الأنظمة الموجهة بالمعرفة قد تشغّل أدوات تعليمية مستقبلية، ومعارض متحفية، وأرشيفات رقمية تتيح للناس استكشاف الفنون التقليدية تفاعليًا حتى بدون وجود معلم. ومع مزيد من العمل، يمكن أن تساعد نفس المنهجية في الحفاظ على ممارسات هشة أخرى مثل الرقص الكلاسيكي أو الأداء الطقسي، مقدمةً طريقة جديدة لتدعم التكنولوجيا — بدلاً من أن تحل محل — التقليد البشري.

الاستشهاد: Yue, X., Zhang, L. Knowledge graph enhanced cross modal generative adversarial network for martial arts motion reconstruction and heritage preservation. Sci Rep 16, 5925 (2026). https://doi.org/10.1038/s41598-026-36095-z

الكلمات المفتاحية: الحفاظ على الفنون القتالية, توليد حركة الإنسان, الشبكات المعرفية, الذكاء الاصطناعي عابر الوسائط, الشبكات التوليدية الخصمية