«زلزال باريس» يقتل شفيونتيك!
تاريخ النشر: 1st, August 2024 GMT
باريس (أ ف ب)
حققت الصينية تشينوين جينج مفاجأة من العيار الثقيل بإقصائها البولندية إيجا شفيونتيك، المصنّفة أولى عالمياً والمرشحة للذهب الأولمبي، من الدور نصف النهائي لمسابقة التنس في ألعاب باريس عندما تغلبت عليها 6-2 و7-5.
وباتت جينج، وصيفة بطلة أستراليا المفتوحة، أول صينية تبلغ المباراة النهائية لمنافسات الفردي في الألعاب الأولمبية، وستواجه الكرواتية دونا فيكيتش أو السلوفاكية آنا كارولينا شميدلوفا.
قالت جينج التي خاضت مباراتين متتاليتين استغرقتا ثلاث ساعات للوصول إلى المربع الذهبي «أشعر بأكثر من مجرد السعادة، السعادة لا تكفي لوصف شعوري».
وتابعت ابنة الـ 21 عاماً «إذا طلبتم مني أن ألعب ثلاث ساعات أخرى لمصلحة بلدي، فسأفعل، كانت مباراة مذهلة، الفوز على إيجا ليس بالأمر السهل لأنه حدث مهم بالنسبة لها».
ودخلت شفيونتيك، بطلة فرنسا المفتوحة أربع مرات في رولان جاروس آخرها الشهر الماضي، المباراة على ملعب فيليب شاترييه وفي جعبتها سلسلة من 25 فوزاً توالياً في باريس، كما هزمت اللاعبة البالغة 23 عاماً منافستها جينج في جميع مواجهاتهما الست السابقة.
كسرت الصينية إرسال المصنفة أولى عالمياً ثلاث مرات في المجموعة الأولى، وحسمتها لمصلحتها في 39 دقيقة.
وبدا أن شفيونتيك استعادت عافيتها بعدما كسرت إرسال جينج مرتين في بداية في المجموعة الثانية، وتقدمت بسرعة 4-0، إلا أن الأخيرة رفضت الاستسلام ونجحت بدورها في رد الكسر مرتين وأدركت التعادل 4-4.
وتقدمت الصينية 6-5 على إرسال شفيونتيك، وأنهت المجموعة على إرسالها 7-5، وبالتالي المباراة.
ارتكبت شفيونتيك 36 خطأ مباشراً، وتخلت عن إرسالها 6 مرات أيضاً.
وبوصولها إلى النهائي، باتت جينج أوّل من يبلغ مباراة الميدالية الذهبية في الفردي الأولمبي، إن كان لدى الرجال أو السيدات من الصين، متفوقة على مواطنتها لي نا التي احتلت المركز الرابع في فردي السيدات في بكين عام 2008.
المصدر: صحيفة الاتحاد
كلمات دلالية: التنس إيجا شفيونتيك باريس أولمبياد باريس 2024
إقرأ أيضاً:
ثورة في توليد الصور بالذكاء الاصطناعي.. أداة جديدة أسرع 9 مرات وتعمل على هاتفك
تمكن باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) وشركة NVIDIA من تطوير أداة جديدة لتوليد الصور تعتمد على الذكاء الاصطناعي، تمتاز بسرعة فائقة وجودة عالية مع استهلاك أقل للطاقة، ويمكن تشغيلها محليًا على أجهزة الحاسوب المحمولة أو الهواتف الذكية.
الأداة الجديدة التي تحمل اسم HART (اختصارًا لـ Hybrid Autoregressive Transformer) تمثل دمجًا مبتكرًا بين تقنيتين شائعتين في هذا المجال: النماذج التوليدية التسلسلية (autoregressive) ونماذج الانتشار (diffusion). حيث تعتمد HART على النموذج التسلسلي لرسم الصورة بشكل سريع وإجمالي، ثم تستخدم نموذج الانتشار صغير الحجم لتوضيح التفاصيل الدقيقة وتحسين جودة الصورة.
اقرأ أيضاً.. الذكاء الاصطناعي يهدد مستقبل التصوير الفوتوغرافي
السرعة والكفاءة
وتتميز HART بقدرتها على إنتاج صور تضاهي أو تتفوق على الصور التي تولدها نماذج الانتشار المتقدمة، لكنها تفعل ذلك بسرعة أكبر بنحو تسع مرات، مع تقليل استهلاك الموارد الحاسوبية بنسبة تصل إلى 31% مقارنةً بأحدث النماذج. ويكفي أن يدخل المستخدم وصفًا نصيًا بسيطًا لتقوم الأداة بتوليد الصورة المطلوبة.
ويُتوقع أن تفتح هذه التقنية آفاقًا واسعة في عدة مجالات، مثل تدريب السيارات الذاتية القيادة في بيئات افتراضية واقعية، وتصميم مشاهد غنية لألعاب الفيديو، وحتى مساعدة الروبوتات على إتمام مهام معقدة في العالم الحقيقي.
يقول الباحث هاوتيان تانغ، المؤلف المشارك في الدراسة: "تمامًا كما يرسم الفنان لوحة من خلال تحديد الشكل العام أولًا، ثم يعود لإضافة التفاصيل الدقيقة بضربات فرشاة صغيرة، هذا ما تفعله HART بالضبط".
أخبار ذات صلة
تحسين الجودة
وقد واجه الباحثون تحديات أثناء تطوير الأداة، خاصة في كيفية دمج نموذج الانتشار بطريقة تكمّل عمل النموذج التسلسلي دون أن تؤدي إلى تراكم الأخطاء. وخلصوا إلى أن أفضل طريقة هي استخدام نموذج الانتشار فقط في المرحلة النهائية لمعالجة التفاصيل الدقيقة.
ومن أبرز ما يميز HART أنها تعتمد بشكل أساسي على نموذج تسلسلي مشابه للنماذج اللغوية الكبيرة (LLMs) مثل ChatGPT، مما يسهل دمجها مستقبلاً مع نماذج توليدية متعددة الوسائط تجمع بين الرؤية واللغة، وهو ما يمهد الطريق لتطبيقات جديدة مثل شرح خطوات تركيب قطعة أثاث بالصوت والصورة.
مستقبل HART
ويطمح الفريق البحثي إلى تطوير HART مستقبلًا ليشمل مجالات أوسع مثل توليد الفيديوهات والتنبؤ بالأصوات، مستفيدين من قابلية الأداة للتوسع والعمل عبر وسائط متعددة.
وقد تم تمويل هذا البحث من قبل عدة جهات منها مختبر MIT-IBM Watson للذكاء الاصطناعي، ومركز MIT وAmazon Science Hub، وبرنامج MIT لتقنيات الذكاء الاصطناعي، ومؤسسة العلوم الوطنية الأمريكية، كما تبرعت NVIDIA بالبنية التحتية اللازمة لتدريب النموذج.
إسلام العبادي(أبوظبي)