Attention-Guided Perturbation Network for Industrial Anomaly Detection

تخيل أنك حارس أمن في مصنع عالي التقنية. مهمتك هي رصد قطعة واحدة معيبة على حزام ناقل يحتوي على الآلاف من القطع المثالية. في العالم الحقيقي، الحصول على قطعة "مثالية" أمر سهل؛ ما عليك سوى التقاط واحدة من الخط. ولكن الحصول على قطعة "مكسورة"؟ هذا كابوس. العيوب نادرة، ومكلفة في إنتاجها، وأحياناً يستحيل التنبؤ بها. لذا، كيف يمكنك تدريب روبوت على رصد الشيء المكسور إذا لم يره من قبل؟ هذا هو لغز الكشف عن الشذوذ غير الخاضع للإشراف (unsupervised anomaly detection).

الخدعة الذكية التي يستخدمها العلماء هي تعليم الروبوت فقط الأشياء "الجيدة". يتعلم الروبوت حفظ شكل القطعة المثالية ويحاول إعادة بنائها من الصصف. النظرية هي: إذا رأى الروبوت قطعة مثالية، فبإمكانه إعادة بنائها بشكل مثالي. ولكن إذا رأى قطعة مكسورة، فسيصاب بالارتباك وسيعيد بناء نسخة فوضوية منها. ومن خلال مقارنة الأصل بالنسخة المعاد بناؤها الفوضوية، يمكن للروبوت رصد الخطأ. ومع ذلك، هناك عقبة: الذكاء الاصطناعي الحديث ذكي جداً لدرجة أنه يحاول أحياناً "إصلاح" الأجزاء المكسورة من الصورة، مما يؤدي إلى إعادة بناء العيب وكأنه جزء طبيعي عن طريق الخطأ. وهذا يؤدي إلى تفويت عمليات الكشف. ولإيقاف ذلك، حاول الباحثون هزّ بيانات التدريب باستخدام ضوضاء عشوائية، مثل تشويش الصورة قليلاً لإجبار الروبوت على الانتباه. لكن هذه الورقة البحثية تجادل بأن "الهز العشوائي" يشبه محاولة تعلم لغة عبر الصراخ بكلمات عشوائية؛ إنه أمر غير فعال. بدلاً من ذلك، نحن بحاجة إلى معرفة أين ننظر بالضبط.

هنا يأتي دور AGPNet، وهي طريقة جديدة تعمل مثل كشاف ضوئي شديد التركيز للذكاء الاصطناعي. أدرك الباحثون، تينغفينغ هوانغ وفريقه، أن جميع أجزاء الصورة ليست متساوية في الأهمية. فبعض المناطق (مثل مركز المنتج) تكون حاسمة، بينما المناطق الأخرى (مثل الخلفية) أقل أهمية. الطرق السابقة كانت تعامل الصورة بأكملها بنفس الطريقة، وتضيف الضوضاء في كل مكان. أما AGP-Net، فتستخدم استراتيجية "المدركة للعينة" (sample-aware). فهي تسأل الذكاء الاصطناعي: "مهلاً، أي جزء من هذه الصورة هو الأكثر أهمية للتذكر؟" ثم تلقي بأشد أنواع "الضوضاء" (النسخة الرقمية من التشويش أو الغبش) مباشرة على تلك النقاط الحرجة.

فكر في الأمر كالدراسة لاختبار ما. إذا قرأت الكتاب المدرسي كاملاً بشكل عشوائي، فقد تفوتك المفاهيم الأساسية. ولكن إذا أشار إليك معلم ووضع إصبعه على الفقرات الأكثر أهمية وقال: "احفظ هذا، ولكن دعنا نجعل الأمر صعباً عبر تغطيته بملصق ملاحظات"، فستضطر حقاً لفهم الفكرة الجوهرية لملء الفجوات. يقوم AGPNet بهذا بالضبط. يتكون من جزأين: فرع رئيسي يحاول إعادة بناء الصورة، وفرع "انتباه" ذكي يعمل كالمعلم. ينظر هذا المعلم إلى الصورة، ويحدد التفاصيل الأكثر أهمية، ثم يقوم بتشويش تلك التفاصيل المحددة عمداً. هذا يجبر الفرع الرئيسي على تعلم القواعد "الثابتة" (غير المتغيرة) لما يبدو عليه الكائن الطبيعي، بدلاً من مجرد حفظ التفاصيل السطحية.

وجدت الورقة البحثية أن نهج "الضوضاء الذكية" هذا يعمل بشكل أفضل بكثير من طرق "الضوضاء العشوائية" القديمة. وعند اختباره على مجموعات بيانات صناعية قياسية مثل MVTec-AD (التي تحتوي على صور لأشياء مثل البراغي والزجاجات والسجاد)، حقق AGPNet درجات رفيعة المستوى. على سبيل المثال، في إعداد متعدد الفئات (حيث يتعين على الذكاء الاصطناعي رصد العيوب في أنواع مختلفة من الأشياء في آن واحد)، حقق درجة كشف على مستوى الصورة بلغت 98.7% ودرجة تحديد موقع على مستوى البكسل بلغت 98.0%. وهذا يعني أنه حدد بشكل صحيح وجود عيب في 98.7% من الحالات، وحدد الموقع الدقيق للعيب في 98.0% من الحالات.

يجادل المؤلفون صراحةً ضد فكرة أنك بحاجة إلى إضافة الضوضاء بشكل عشوائي أو موحد عبر الصورة. لقد أظهروا أن تجاهل الأهمية المحددة لمناطق الصورة المختلفة يؤدي إلى تعلم أضعف. وبدلاً من ذلك، يقترحون أن توجيه الاضطراب باستخدام أقنعة الانتباه (attention masks) - المستمدة من المعرفة المسبقة وعملية التعلم الخاصة بالنموذج نفسه - يخلق نظاماً أكثر قوة. كما اختبروا ذلك في سيناريوهات "التعلم القليل" (few-shot)، حيث لا يرى الذكاء الاصطناعي سوى عدد قليل من الأمثلة (مثل صورتين أو 4 صور) بدلاً من الآلاف. وحتى مع هذا القدر المحدود من البيانات، قدم AGPNet أداءً مبهراً، حيث حقق درجة 97.3% على مستوى البكسل باستخدام 4 أمثلة فقط، مما يثبت أن استراتيجية التعلم المستهدفة هذه تساعد الذكاء الاصطناعي على استيعاب جوهر "الطبيعي" بشكل أسرع بكثير.

باختصار، لا يكتفي AGPNet بإلقاء الضوضاء على المشكلة؛ بل يلقي الضوضاء في الأماكن الصحيحة. ومن خلال إجبار الذكاء الاصطناعي على مواجهة الصعوبة في الأجزاء الأكثر أهمية من الصورة، فإنه يتعلم كيفية التعرف على ما هو طبيعي حقاً، مما يجعله محققاً أكثر حدة في اكتشاف العيوب الصناعية. وتشير النتائج إلى أن هذا النهج يقدم توازناً قوياً بين الدقة والكفاءة، حيث يعمل بشكل جيد حتى مع النماذج الأصغر والأسرع مقارنة بالأنظمة الضخمة والثقيلة التي يستخدمها المنافسون.