وداعًا للرقع: معمارية TAPe + ML تغيّر قواعد الرؤية الحاسوبية

وداعًا للرقع: معمارية TAPe + ML تغيّر قواعد الرؤية الحاسوبية

تحقق الشبكات العصبية الحديثة للرؤية الحاسوبية نتائج لافتة، لكن تطويرها وتدريبها يتطلبان موارد حوسبة هائلة. مجموعات بيانات ضخمة، ومعماريات معقدة، وآلاف وحدات معالجة الرسوميات، وأسابيع بل أشهر من التدريب المتواصل – هذا هو ثمن التقدم. وفي الوقت نفسه، يُنفق جزء كبير من هذه الموارد على تدمير البنية الأصلية للبيانات – أي تقسيم الصورة إلى أجزاء عشوائية (رقع) – ثم محاولة استعادة هذه البنية من «الفوضى» الناتجة. وتقترح معمارية T+ML الجديدة نهجًا مختلفًا جذريًا يقوم على نظرية الإدراك النشط (TAPe)، وتَعِد بجعل عملية تدريب أنظمة الذكاء الاصطناعي أسرع وأقل كلفة بكثير.

السياق: يقوم النهج القياسي للرؤية الحاسوبية في التعلم العميق على معالجة الصور بوصفها مجموعات من البكسلات أو من رقع صغيرة تُختار بشكل عشوائي. وتعمل الشبكات العصبية الالتفافية (CNN) والمحوّلات (Transformers) وفق هذا المبدأ تحديدًا، رغم نجاحاتها. فشبكات CNN تطبّق المرشحات تباعًا لاستخراج الخصائص من المناطق المحلية، بينما تقسّم المحوّلات الصورة إلى رقع وتستخدم آلية الانتباه لإقامة الروابط بينها.

وكلا الأسلوبين يحاول في جوهره «تجميع» فهم الصورة من أجزاء متفرقة. أما TAPe فتقترح تغيير النموذج الفكري نفسه: فبدلًا من العمل على البيانات «الخام»، يعمل النظام على «لبنات بناء» منظَّمة تُعرف الروابط بينها مسبقًا. ويتيح هذا للنموذج أن يتعرّف مباشرة على بنية الأجسام، بدلًا من محاولة استعادتها من فوضى البيانات، وهذا هو أساس نظرية الإدراك النشط.

وتمثّل T+ML تطبيقًا لهذه النظرية، إذ تجمع بينها وبين قوة التعلم الآلي.

نظرة معمّقة: تختلف معمارية T+ML اختلافًا جوهريًا عن شبكات CNN والمحوّلات التقليدية. فبدلًا من تقسيم الصورة إلى رقع متماثلة وغالبًا غير مترابطة، تستخدم T+ML عناصر TAPe، وهي «لبنات بناء» أعلى مستوى وذات دلالة معنوية. وتتمتع هذه اللبنات ببنية داخلية معروفة وروابط محددة مسبقًا فيما بينها.

فعلى سبيل المثال، بدلًا من النظر إلى بكسلات منفردة أو مجموعات صغيرة منها تشكّل جزءًا من عجلة السيارة، يمكن لـ T+ML أن تعمل على «لبنة» عجلة جاهزة، فتفهم شكلها ووظيفتها وموضعها المعتاد في السيارة. ويُستخدم التعلم الآلي (ML) هنا لتدريب النموذج على كيفية الاستفادة من هذه اللبنات المنظَّمة بكفاءة، وعلى إقامة تبعيات معقدة بينها لحل مهام محددة. ويتيح هذا النهج للنموذج تكوين تصوّر متكامل عن الجسم بسرعة أكبر بكثير، متجاوزًا مرحلة «التجميع» من التفاصيل الصغيرة.

التبعات: تُظهر الاختبارات الأولى والحسابات النظرية المرتبطة بمعمارية T+ML مزايا كبيرة. فانخفاض الحمل الحسابي يعني أن تدريب النماذج قد يصبح أسرع بكثير ويتطلب عتادًا أقل كلفة. ويفتح هذا الباب أمام تطبيق أوسع لتقنيات الرؤية الحاسوبية المتقدمة في المجالات محدودة الموارد، مثل الأجهزة المحمولة والأنظمة المدمجة وحتى الإلكترونيات القابلة للارتداء. إضافة إلى ذلك، قد يسهم الاستخدام الأكثر كفاءة للبيانات والقدرات الحسابية في بناء أنظمة ذكاء اصطناعي أكثر متانة وأعلى كفاءة في استهلاك الطاقة، وهي خطوة مهمة نحو الذكاء الاصطناعي «الأخضر». كما تشير عمومية معمارية T+ML إلى أنها قد تنطبق على طيف واسع من مهام الرؤية الحاسوبية، من التعرّف على الأجسام وتجزئة الصور إلى تحليل البث المرئي وإعادة البناء ثلاثي الأبعاد.

الخلاصة: تمثّل معمارية T+ML، القائمة على نظرية الإدراك النشط، اتجاهًا واعدًا في تطوير الرؤية الحاسوبية. فالتخلي عن معالجة الرقع العشوائية لصالح «لبنات البناء» المنظَّمة يَعِد بإحداث ثورة في عملية تدريب الشبكات العصبية، بجعلها أسرع وأقل كلفة وأيسر منالًا. وإذا تأكدت هذه النتائج الأولية في دراسات أوسع نطاقًا، فقد نشهد اختراقًا حقيقيًا يتيح للذكاء الاصطناعي «رؤية» العالم بصورة أكثر إدراكًا للمعنى وأعلى كفاءة من أي وقت مضى.