تخيل أنك تعلم طفلاً كيف يتعرف على الكلب. تعرض عليه صوراً لكلب من فصيلة "جولدن ريتريفر" وهو يركض، وينام، ويقفز. ثم تعرض عليه صورة لكلب من فصيلة "بودل". على الرغم من أن الكلب يبدو مختلفاً، إلا أن الطفل يعرف فوراً: "هذا كلب!". لقد تعلم "فكرة" الكلب، وليس فقط المظهر المحدد لواحد منه. هذه القدرة على التعرف على الأشياء في مواقف جديدة، خاصة عندما تكون مائلة أو مقلوبة، هي الهدف الأسمى لكل من العقول البشرية والذكاء الاصطناعي. لفترة طويلة، ظل العلماء في حيرة من أمرهم حول سبب كون عقولنا الحاسوبية -التي تسمى الشبكات العصبية العميقة (DNNs)- بارعة جداً في رصد الأشياء في الصور، لكنها غالباً ما ترتبك تماماً عندما يتم تدوير تلك الأشياء نفسها بطريقة لم ترها من قبل. الأمر يشبه روبوتاً يمكنه تحديد كوب على الطاولة، ولكنه يعتقد أن الكوب الموجود على جانبه هو جسم مختلف تماماً. إن فهم كيفية تعلم هذه العقول الرقمية للتعامل مع الزوايا الجديدة أمر بالغ الأهمية، لأن العالم الحقيقي مليء بالأشياء التي تدور، وتتميل، وتغير منظورها في كل ثانية.

يغوص هذا البحث في هذا الغموض، طارحاً سؤالاً بسيطاً ولكنه عميق: هل يمكن لهذه العقول الحاسوبية أن تتعلم التعرف على الأشياء في اتجاهات "جديدة" بمجرد رؤية أمثلة قليلة، أم أنها تحتاج إلى حفظ كل زاوية؟ أقام الباحثون تجربة ذكية حيث قاموا بتدريب نماذج الذكاء الاصطناعي على مزيج من الأشياء "المشاهدة بالكامل" (التي عُرضت بكل التدويرات الممكنة) والأشياء "المشاهدة جزئياً" (التي عُرضت في زوايا محددة فقط). ثم اختبروا الذكاء الاصطناعي على تلك الأشياء المشاهدة جزئياً عندما تم تدويرها إلى زوايا جديدة تماماً، "خارج نطاق التوزيع" (out-of-distribution). كانت النتائج رائعة: يمكن للذكاء الاصطناعي التعميم للزوايا الجديدة، ولكن بطرق محددة للغاية ويمكن التنبؤ بها. اتضح أنه إذا عرضت على الذكاء الاصطناعي أمثلة مختلفة بما يكفي من الأشياء "المشاهدة بالكامل"، فإنه يبدأ في بناء نوع من الخريطة الداخلية. هذه الخريطة تسمح له بالتعرف على الشيء المشاهد جزئياً حتى عند تدويره، ولكن فقط إذا كان ذلك التدوير عبارة عن دوران ثنائي الأبعاد (2D spin) بسيط (مثل قلب صفحة) أو انعكاس يحافظ على شكل ظل الجسم أو صورته الظلية (silhouette) بحيث تبدو مألوفة. يشير البحث إلى أن هذا يحدث لأن "العصبونات" الداخلية للذكاء الاصطناعي (وحدات المعالجة الصغيرة داخل الشبكة) تتعلم رصد سمات محددة -مثل جناح أو عجلة- تظل ثابتة حتى عندما يتحرك الجسم. هذه الكواشف للسمات، التي تم تدريبها على الأشياء المشاهدة بالكامل، تبدو وكأنها "تنشر" معرفتها إلى الأشياء المشاهدة جزئياً، وتعمل كجسر يسمح للذكاء الاصطناعي بالتعرف على المجهول. ومع ذلك، فإن المؤلفين يشيرون بحذر إلى أن هذا ليس سحراً؛ فالذكاء الاصطناعي لا يزال يعاني مع الالتواءات ثلاثية الأبعاد المعقدة التي تخفي أجزاء من الجسم (الانسداد الذاتي)، وهذه النتائج مبنية على عمليات محاكاة لمجموعات بيانات محددة، وليست قانوناً عالمياً لكل أنواع الذكاء بعد.

قصة الطائرة الدوارة

فكر في الشبكة العصبية العميقة كطالب مجتهد، ولكنه جامد قليلاً، يحاول تعلم الأبجدية. إذا عرضت عليه حرف "A" باللون الأحمر فقط، فقد يفشل في التعرف على حرف "A" باللون الأزرق أو حرف "A" المكتوب بخط اليد. في عالم الرؤية الحاسوبية، هذا الطالب هو الشبكة العصبية العميقة (DNN)، و"الحروف" هي أشياء مثل الطائرات، أو السيارات، أو أشكال هندسية غريبة. المشكلة الكبيرة هي أن هذه الشبكات عادة ما تكون سيئة جداً في التعرف على الأشياء عندما تُقلب بطرق لم تشهدها أثناء التدريب. إذا دربت الشبكة على صورة طائرة تطير بشكل مستقيم، ثم عرضت عليها طائرة تقوم بحركة شقلبة (barrel roll)، فإن الشبكة غالباً ما تصاب بالذعر وتقول: "لا أعرف ما هذا!".

أراد الباحثون في هذا البحث معرفة لماذا يحدث هذا، وما إذا كان هناك كتاب قواعد مخفي تتبعه الشبكة. لم يلقوا صوراً عشوائية على الذكاء الاصطناعي؛ بل أعدوا معسكراً تدريبياً محدداً للغاية. تخيل أن لديهم 50 طائرة لعبة مختلفة. بالنسبة لبعض هذه الطائرات، عرضوا للذكاء الاصطناعي كل زاوية ممكنة -من الأمام، ومن الخلف، ومن الأسفل، ومن الجانب، وكل ما بينهما. أطلقوا عليها اسم الطائرات "المشاهدة بالكامل". أما بالنسبة للطائرات الأخرى، فقد أظهروا للذكاء الاصطناعي جزءاً صغيراً جداً من الزوايا، مثل إظهار مقدمة الطائرة وهي تتجه للأسفل فقط. كانت هذه هي الطائرات "المشاهدة جزئياً".

ثم جاء الاختبار. أخذ الباحثون الطائرات "المشاهدة جزئياً" وأداروها في زوايا جديدة تماماً، "خارج نطاق التوزيع" (OoD)، لم يرها الذكاء الاصطناعي من قبل. هل سيفشل الذكاء الاصطناعي؟ أم أنه سيفهم الأمر بطريقة ما؟

سحر "الدوران ثنائي الأبعاد"

كانت الإجابة مزيجاً من "نعم" و"لا"، ولكن مع تحول مثير للاهتمام للغاية. لقد أصبح الذكاء الاصطناعي أفضل في التعرف على الطائرات المشاهدة جزئياً، ولكن فقط إذا كانت الزاوية الجديدة من نوع معين من التدوير.

وجد الباحثون أن الذكاء الاصطناعي تفوق في التعرف على الأشياء عندما تم تدويرها بطريقة تشبه الدوران ثنائي الأبعاد (مثل تدوير صورة على طاولة) أو انعكاساً يحافظ على تشابه ظلها (صورتها الظلية). على سبيل المثال، إذا رأى الذكما الاصطناعي طائرة من الأمام، فغالباً ما يمكنه التعرف عليها من الخلف، لأن "ظل" الطائرة من الأمام والخلف يبدو متشابهاً جداً. الأمر يشبه التعرف على وجه شخص حتى لو كان ينظر بعيداً، لأنك تعرف أن شكل رأسه لم يتغير.

ومع ذلك، إذا تم التواء الطائرة بطريقة ثلاثية الأبعاد معقدة أخفت أجزاءً من نفسها (مثل طائرة تقوم بحركة لولبية بحيث يحجب جناحها رؤية جسم الطائرة)، فإن الذكاء الاصطناعي يصاب بالارتباك. يشير البحث إلى أن الذكاء الاصطناعي يعاني مع زوايا "الانسداد الذاتي" هذه لأنه لا يستطيع رؤية السمات المألوفة التي تعلم الوثوق بها.

نظرية "محقق السمات"

إذاً، كيف يفعل الذكاء الاصطناعي ذلك؟ يقترح المؤلفون نظرية تشبه إلى حد كبير طريقة عمل عقولنا. لقد نظروا داخل "دماغ" الذكاء الاصطناعي (الشبكة العصبية) وراقبوا كيف تنطلق عصبوناته الفردية. واكتشفوا أن بعض العصبونات تعمل مثل محققي السمات.

تخيل عصبوناً يعمل كمحقق لـ "الأجنحة". عندما يرى الذكاء الاصطناعي طائرة "مشاهدة بالكامل"، يتعلم هذا المحقق أن "الأجنحة" هي جزء أساسي من الطائرة، بغض النظر عن كيفية دوران الطائرة. يصبح المحقق بارعاً جداً في رصد الأجنحة في كل تلك الزوايا المختلفة. الآن، عندما يرى الذكاء الاصطناعي طائرة جديدة (طائرة مشاهدة جزئياً) لم يرها إلا من زوايا قليلة، فإن "محقق الأجنحة" نفسه لا يزال موجوداً. ورغم أن الذكاء الاصطناعي لم يرَ هذه الطائرة الجديدة من كل الزوايا، إلا أن المحقق يتعرف على الأجنحة ويقول: "مهلاً، أنا أعرف هذه السمة! لا بد أنها طائرة!".

يشير البحث إلى أن "الثبات" (القدرة على التعرف على الشيء رغم التغييرات) الذي تعلمته الطائرات "المشاهدة بالكامل" يتم نشره، أو تعميمه، على الطائرات "المشاهدة جزئياً". الأمر يشبه أن الطائرات المشاهدة بالكامل هي المعلمون، وهم ينقلون معرفتهم بـ "ما الذي يجعل الطائرة طائرة" إلى الطائرات المشاهدة جزئياً. وكلما زاد عدد الطائرات المشاهدة بالكامل التي يتدرب عليها الذكاء الاصطناعي، أصبح هذا التعليم أقوى، وأصبح أفضل في التعرف على الزوايا الجديدة الصعبة.

قواعد اللعبة

لم يكتفِ الباحثون بالتخمين؛ بل بنوا نموذجاً رياضياً للتنبؤ بدقة بالزوايا التي سينجح فيها الذكاء الاصطมา وسينجح في أخرى. تضمن نموذجهم ثلاثة مكونات رئيسية:

1. تدوير الزوايا الصغيرة: إذا كانت الزاوية الجديدة مختلفة قليلاً فقط عما رآه الذكاء الاصطناعي، فعادة ما يكون الأمر سهلاً.
2. التدوير داخل المستوى (In-Plane Rotations): إذا كان الجسم يدور بشكل مسطح فقط (مثل دوران ثنائي الأبعاد)، فإن الذكاء الاصطناعي يجيد ذلك.
3. تشابه الصورة الظلية (Silhouette Similarity): إذا كان ظل الجسم من الزاوية الجديدة يبدو مشابهاً لظله من الزاوية القديمة، فيمكن للذكاء الاصطناعي التعامل معه.

وعندما اختبروا نموذجهم مقابل نتائج الذكاء الاصطناعي الفعلية، وجدوا تطابقاً تاماً. استطاع النموذج التنبؤ بمعدل نجاح الذكاء الاصطناعي بدقة عالية. وهذا يؤكد أن الذكاء الاصطناعي لا يخمن فحسب، بل يتبع مجموعة منطقية من القواعد بناءً على كيفية رؤيته للعالم.

ماذا يعني هذا للمستقبل

يخلص البحث إلى أنه على الرغم من أن هذه العقول الحاسوبية ليست مثالية بعد، إلا أنها تقوم بشيء مشابه بشكل ملحوظ للعقول البيولوجية. فهي تستخدم سمات محددة لبناء إحساس بـ "ماهية هذا الشيء" والذي يصمد أمام الدوران. ومع ذلك، لا تزال هذه العقول محدودة؛ فهي لا تستطيع التعامل مع الالتواءات ثلاثية الأبعاد المعقدة التي تخفي أجزاء من الجسم بنفس كفاءة البشر. ويقترح المؤلفون أنه ربما في المستقبل، يمكننا تعليم هذه الشبكات التعلم من الفيديو (الارتباط الزمني) بدلاً من مجرد الصور الثابتة، تماماً كما يتعلم الأطفال من خلال مراقبة الأشياء وهي تتحرك من حولهم.

في الوقت الحالي، يعطينا هذا البحث خريطة واضحة لأماكن نجاح أنظمة الذكاء الاصطنا هذه وأماكن فشلها. إنه يوضح لنا أننا إذا أردنا ذكاءً اصطناعياً أكثر ذكاءً يمكنه التنقل في عالمنا ثلاثي الأبعاد، فنحن بحاجة لمساعدتهم على فهم ليس فقط كيف تبدو الأشياء، بل كيف تتغير ظلالها وسماتها أثناء دورانها. إنها خطوة صغيرة، لكنها خطوة نحو بناء آلات يمكنها حقاً رؤية العالم كما نراه نحن.