A Review on Discriminative Self-supervised Learning Methods in Computer Vision
تقدم هذه الورقة مراجعة شاملة لطرق التعلم الخاضع للإشراف الذاتي التمييزي في الرؤية الحاسوبية، حيث تصنفها بشكل منهجي إلى خمسة نهج رئيسية، وتحلل آلياتها وأداءها عبر المعايير القياسية، وتناقش الأسس النظرية، والتحديات العملية، واتجاهات البحث المستقبلية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول تعليم روبوت التعرف على قطة. في الأيام الخوالي، كان عليك الجلوس مع معلم بشري وإظهار آلاف الصور للروبوت واحدة تلو الأخرى، قائلاً: "هذه قطة"، "هذا كلب"، "هذه سيارة". يسمى هذا التعلم الخاضع للإشراف (Supervised Learning). إنه يعمل بشكل رائع، لكنه يشبه استئجار مدرس لكل درس على حدة؛ الأمر يستغرق وقتاً طويلاً، ويكلف ثروة، وتنفد المدرسون بسرعة.
الآن، تخيل نهجاً مختلفاً. ماذا لو استطعت فقط إلقاء مليار صورة للعالم أمام الروبوت وقلت له: "اكتشف الأمر بنفسك"؟ هذا هو عالم التعلم الذاتي الإشراف (Self-Supervised Learning - SSL). بدلاً من وجود معلم بشري، ينشئ الروبوت اختباراته الصغيرة الخاصة، أو ما يسمى بـ "مهام التمهيد" (pretext tasks). على سبيل المثال، قد يأخذ صورة، ويقطعها إلى قطع أحجية، ثم يحاول إعادة تجميعها. أو قد يأخذ صورة بالأبيض والأسود ويحاول تخمين الألوان. ومن خلال حل هذه الألغاز، يتعلم الروبوت كيف يبدو شكل القطة، وكيف تعمل الأنسجة، وكيف توضع الأشياء في الفضاء، وكل ذلك دون أن يخبره أحد أبداً "هذه قطة".
السؤال الكبير الذي يسأله العلماء هو: كيف يمكننا جعل الروبوت يتعلم أفضل فهم ممكن للعالم باستخدام هذه الألغاز التي صنعها بنفسه فقط؟ تحاول بعض الطرق جعل الروبوت يتوقع الإطار التالي في مقطع فيديو (مثل فيلم)، بينما تحاول طرق أخرى جعله يدرك أن صورتين مختلفتين قليلاً لنفس الكلب هما في الواقع نفس الكلب. يتعمق هذا البحث في المجموعة الثانية: الطرق التي تركز على التمييز (Discrimination) — أي تعليم الروبوت التفريق بين الأشياء والتعرف على أوجه التشابه دون الحاجة إلى تسمية بشرية.
مدرسة الروبوت العظيمة: مراجعة لكيفية تعليم الآلات لنفسها
هذا البحث يشبه جولة سياحية ودودة في مدرسة مزدحمة للغاية حيث تتعلم الروبوتات رؤية العالم. لقد نظر المؤلفون، نيكولاس جياكوموغلو، وتانيا ستاثاكي، وأثاناسيوس جكيلياس، في أكثر من 90 طريقة مختلفة تم بها تعليم الروبوتات التعلم من الصور غير المصنفة بين عامي 2017 و2025. وقد صنفوا كل هذه الطرق إلى خمس "نوادٍ" أو فئات رئيسية، لكل منها طريقتها الفريدة في لعب لعبة التعلم.
النادي الأول: نادي التباين (لعبة "ابحث عن التوأم")
تخيل أن لديك مجموعة من أوراق اللعب. تختار ورقة واحدة (المرجع/المرساة)، ثم تأخذ صورة لها وتعدلها قليلاً — ربما تقوم بتدويرها أو تغيير ألوانها (هذا هو الزوج "الإيجابي"). بعد ذلك، تأخذ مجموعة من الأوراق العشوائية الأخرى من المجموعة (الأوراق "السلبية"). الهدف من طرق التباين (Contrastive Methods) هو تعليم الروبوت: "هاتان الورقتان توأمان! اجعلهما تبدوان متشابهتين في عقلك. ولكن تأكد من أنهما تبدوان مختلفتين تماماً عن كل تلك الأوراق العشوائية الأخرى".
يسلط البحث الضوء على نجمين كبيرين هنا: SimCLR و MoCo. SimCLR يشبه معلماً بسيطاً وصادقاً يقول: "فقط انظر إلى هذين المنظرين لنفس الصورة واجعلهما متطابقين". أما MoCo فهو أكثر تنظيماً؛ فهو يحتفظ بـ "بنك ذاكرة" ضخم من الأوراق السلبية لكي يتمكن الروبوت من مقارنة الصورة الحالية بآلاف الصور الأخرى، حتى لو كانت ذاكرة الروبوت (ذاكرة الوصول العشوائي للحاسوب) صغيرة. يشير البحث إلى أنه على الرغم من قوة هذه الطرق، إلا أنها تعاني أحيناً إذا أصبح الروبوت بارعاً جداً في تجاهل الاختلافات، أو إذا نفدت منه الأوراق "السلبية" للمقارنة بها.
النادي الثاني: نادي التجميع (لعبة "صنف المتشابهين")
بدلاً من مقارنة ورقة بأخرى، تعمل طرق التجميع (Clustering Methods) كمضيف حفلة. ينظرون إلى جميع الصور ويقولون: "أنت، وأنت، وأنت جميعاً تبدون كقطط. دعونا نضعكم في مجموعة 'القطط'. أنت، وأنت، وأنت تبدو كسيارات. دعونا نضعكم في مجموعة 'السيارات'". لا يعرف الروبوت أسماء "قطة" أو "سيارة" بعد؛ إنه يتعلم فقط أن صوراً معينة تنتمي معاً.
عضو شهير في هذا النادي هو SwAV. إنه ذكي لأنه لا ينتظر حتى النهاية لتجميع الأشياء؛ بل يفعل ذلك أثناء عملية التعلم. يشير البحث إلى أن هذا النهج رائع لأنه لا يحتاج إلى قائمة ضخمة من الأمثلة "السلبية" ليعمل، مما يجعله فعالاً. ومع ذلك، يشير المؤلفون إلى أنه إذا ارتبك مضيف الحفلة ووضع كلباً في مجموعة القطط، فسوف يتعلم الروبوت درساً خاطئاً.
الندي الثالث: نادي التقطير الذاتي (لعبة "التقليد")
هنا تصبح الأمور غريبة ورائعة. في التقطير الذاتي (Self-Distillation)، يمتلك الروبوت عقلين: "معلم" و"طالب". ينظر المعلم إلى صورة ويعطي إجابة. وينظر الطالب إلى نسخة مختلفة قليلاً من نفس الصورة ويحاول تخمين ما قاله المعلم. المفارقة؟ المعلم هو مجرد نسخة بطيئة الحركة من الطالب من قبل بضع ثوانٍ.
BYOL و DINO هما النجمان هنا. يشرح البحث أن BYOL مذهل لأنه لا يحتاج إلى أي أوراق "سلبية" على الإطلاق! فهو يخبر الطالب فقط: "توقع ما يراه المعلم". ولمنع الروبوت من الغش (عبر قول "قطة" لكل صورة)، يستخدمون خدعة خاصة تسمى "إيقاف التدرج" (stop-gradient) تمنع المعلم من مجرد نسخ أخطاء الطالب. يشير البحث إلى أن هذه الطريقة قوية جداً ويمكنها حتى مساعدة الروبوت على تقسيم الأشياء (قصها عن الخلفية) بمجرد النظر إلى خرائط الانتباه، وهي خاصية "ناشئة" رائعة.
النادي الرابع: نادي تقطير المعرفة (لعبة "الأخ الأكبر")
هذا يشبه نادي التقطير الذاتي، ولكن مع لمسة مختلفة. هنا، "المعلم" هو روبوت منفصل تماماً ومدرب مسبقاً (ربما تم تدريبه بواسطة بشر على مجموعة بيانات ضخمة). أما "الطالب" فهو روبوت أصغر وأرخص يحاول التعلم من الأخ الأكبر. يصف البحث طرقاً مثل SEED و DisCo، حيث يحاول الروبوت الصغير محاكاة فهم الروبوت الكبير. هذا مفيد جداً إذا كنت تريد وضع روبوت ذكي في هاتف لا يمتلك الكثير من الطاقة. يقوم الروبوت الكبير بالعمل الشاق، ويتعلم الصغير الاختصارات.
النادي الخامس: نادي إلغاء ارتباط الميزات (لعبة "لا تكن مكرراً")
أحياناً، يتعلم الروبوت أن يكون فعالاً أكثر من اللازم. قد يتعلم أن "الشارب" و"الأذنين المدببتين" يسيران دائماً معاً، لذا يتعلم "الشارب" ويتجاهل "الأذنين". هذا أمر سيء لأنه إذا رأى قطة بدون شارب، فسيصاب بالارتباك. طرق إلغاء ارتباط الميزات (Feature Decorrelation)، مثل Barlow Twins، تجبر الروبوت على التأكد من أن كل جزء من عقله يتعلم شيئاً مختلفاً. إنهم يستخدمون خدعة رياضية لتقول: "إذا كان جزء من عقلك يتحدث عن اللون، فلا ينبغي لجزء آخر أن يتحدث عن اللون أيضاً". يشير البحث إلى أن هذا يحافظ على تنوع عقل الروبوت وجاهزيته لأي شيء.
الصورة الكبيرة: ماذا وجدوا؟
لم يكتفِ المؤلفون بسرد هذه الطرق؛ بل أخضعوها لاختبارات صارمة. لقد اختبروها على معايير قياسية مثل ImageNet (مكتبة ضخمة تضم 1.2 مليون صورة مصنفة تستخدم للاختبار) وعلى مهام مثل العث على الأشياء في الصورة (الكشف) أو قصها (التقطيع).
إليك ما يقترحه البحث:
- السباق متقارب: في السنوات القليلة الماضية، أصبحت هذه الروبوتات التي تعلمت ذاتياً جيدة جداً لدرجة أنها تتفوق الآن على الروبوتات التي دربها البشر في الاختبارات القياسية. بل إن بعض الطرق تجاوزت دقة 76.5% على ImageNet التي كانت تعتمد على التعلم الخاضع للإشراف.
- لا يوجد حل واحد يناسب الجميع: لا توجد طريقة واحدة "أفضل". إذا كنت تريد تصنيف الصور، فقد يكون DINO أو MoCo-v2 هو خيارك الأفضل. ولكن إذا كنت تريد العثور على أشياء محددة في مشهد فوضوي (مثل سيارة ذاتية القيادة)، فإن الطرق مثل SoCo أو InsCon (التي تركز على تفاصيل مستوى الكائن) هي الفائزة في السباق.
- البنية التحتية مهمة: يتتبع البحث التحول من استخدام شبكات "ResNet" البسيطة (نوع من الشبكات العصبية) إلى استخدام محولات الرؤية (Vision Transformers - ViTs). ويشير إلى أنه بينما تعد ViTs قوية، إلا أنها تحتاج إلى تعديلات خاصة لتتعلم جيداً بدون تسميات.
- المقايضات: يحذر المؤلفون من أن جعل الروبوت بارعاً في شيء ما قد يجعله سيئاً في شيء آخر. على سبيل المثال، الطريقة المحسنة للعثور على الأشياء الصغيرة قد تفقد قدرتها على التعرف على الصورة بأكملها. أيضاً، تتطلب العديد من هذه الطرق حواسيب ضخمة (أحجام دفعات كبيرة) لتعمل بشكل جيد، مما يجعل استخدامها صعباً على المختبرات الصغيرة.
المستقبل: ما الخطوة التالية؟
يخلص البحث إلى أنه على الرغم من قطعنا شوطاً طويلاً، إلا أن هناك عقبات لا تزال قائمة. الروبوتات بارعة في حل الألغاز التي نعطيها إياها، لكنها تواجه أحياناً صعوبة عندما يصبح العالم فوضوياً أو متغيراً (مثل قطة في إضاءة مختلفة). يقترح المؤلفون أن الأبحاء المستقبلية يجب أن تركز على:
- جعل هذه الطرق تعمل على حواسيب أصغر وأرخص لكي يتمكن المزيد من الناس من استخدامها.
- ابتكار طرق أفضل لاختبار ما إذا كانت الروبوتات ذكية حقاً أم أنها تحفظ الاختبار فحسب.
- تصميم طرق تعمل خصيصاً لطراز "المحولات" (Transformer) الجديد من الذكاء الاصطناعي، بدلاً من مجرد فرض الطرق القديمة على الأشكال الجديدة.
باختختصار، هذا البحث هو بمثابة خريطة لمدينة تنمو بسرعة. إنه يوضح لنا أن الروبوتات تتعلم رؤية العالم بمفردها، وأنها تصبح بارعة بشكل مخيف في ذلك. ولكن مثل أي طالب، لا تزال بحاجة إلى المعلمين المناسبين، والاختبارات الصحيحة، والقليل من المساعدة لتصبح حكيمة حقاً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.