تخيل أنك تحاول خبز كعكة مثالية، ولكن بدلاً من وصفة، لديك وعاء سحري يخلط نفسه تلقائياً، يحول كومة من الدقيق والبيض ببطء إلى حلوى لذيذة. هكذا تنشئ نماذج الذكاء الاصطناً الحديثة الصور أو الموسيقى أو حتى هياكل البروتين اليوم. يبدأ الأمر بفوضى محضة (ضجيج عشوائي) ثم يقوم تدريجياً، خطوة بخطوة، بتوجيهها لتصبح شيئاً مهيكلاً وجميلاً. هذه العملية تشبه نهراً يتدفق نحو المصب. ولكن ماذا لو أردت الصعود عكس التيار؟ ماذا لو أردت أخذ كعكة جاهزة وعكس العملية تماماً لترى بالضبط كيف كانت كومة الدقيق الأصلية؟

في عالم علوم الحاسوب، تسمى هذه الرحلة "للأعلى" (عكس الاتجاه) بـ الانعكاس (inversion). وهي مفيدة للغاية لتحرير الصور (مثل تغيير قطة إلى كلب مع الحفاظ على الخلفية مثالية) أو للمحاكاة العلمية حيث تحتاج لمعرفة نقطة البداية الدقيقة لنظام ما. ومع ذلك، هناك عقبة. الأدوات الرياضية (المحللات/solvers) التي نستخدمها لتوجيه الذكاء الاصطناعي عادة ما تراكم "فتات" غير مرئي من الخطأ مع كل خطوة تتخذها. عندما تحاول العودة للخلف، لا يختفي هذا الفتات؛ بل يتراكم، وينتهي بك الأمر بكتلة دقيق مختلفة قليلاً عن الأصل. الأمر يشبه محاولة "إلغاء خبز" الكعكة لتجد أن بعض فتات السكر قد فُقد، مما يترك لك وصفة مختلفة قليلاً. لسنوات، كافح العلماء لبناء مسار عكسي "مثالي" لا يترك خلفه أي فتات، خاصة عندما تتضمن العملية ضجيجاً عشوائياً.

هنا يأتي دور عائلة جديدة من الأدوات تسمى Rex. لقد اخترع الباحثان وراء هذا العمل، زاندر و. بلاسينجام وتشين ليو، طريقة ذكية جديدة لحل هذه المعادلات تضمن لك القدرة على الذهاب للأمام وللخلف دون فقدان فتات واحد. لم يكتفيا بإصلاح الرياضيات فحسب، بل بنيا مجموعة كاملة من "المحللات القابلة للانعكاس" التي تعمل مع المسارات السلسة والمتوقعة وكذلك المسارات الفوضوية والمشوشة. طريقتهم، التي يسمونها Rex (الأس لـ Reversible Exponential)، تسمح للحواسيب بالسفر عبر الزمن خلال عملية توليد الذكاء الاصطناعي بدقة تقترب من الكمال. وهذا يعني أنه يمكننا الآن تحرير الصور بدقة جراحية، وتدريب نماذج الذكاء الاصطناعي بكفاءة أكبر، وحتى محاكاة الجزيئات المعقدة مثل "تري-ألانين" بمستوى من الثقة كان مستحيلاً في السابق. إنه يشبه أخيراً العثور على آلة زمن لا تأخذك للوراء فحسب، بل تضمن وصولك إلى نفس النقطة التي غادرتها تماماً، وصولاً إلى آخر ذرة.

المشكلة: مشكلة "إلغاء الخبز"

لفهم سبب أهمية Rex، علينا النظر في كيفية عمل نماذج الذكاء الاصطناعي هذه. إنها تستخدم ما يسمى المعادلات التفاضلية العصبية (Neural Differential Equations). فكر في هذه المعادلات كمجموعة من التعليمات التي تخبر الذكاء الاصطناعي بكيفية تغيير حالة ما (مثل بكسل في صورة) بمرور الوقت. يبدأ الذكاء الاصطناعي بضجيج عشوائي ويقوم بدمج هذه التعليمات للأمام لإنشاء صورة.

تنشأ المشكلة عندما نريد العودة للخلف. المحلات (solvers) القياسية تشبه متنزهاً يسير في غابة؛ إذا خطا خطوة للأمام، ثم حاول فوراً الخطو للخلف، فقد لا يهبط تماماً حيث بدأ لأنه أخطأ في تقدير التضاريس أو انزلق على صخرة. في الرياضيات، يسمى هذا خطأ التجزئة (discretization error). عندما تحاول عكس العملية، تتراكم هذه الأخطاء الصغيرة. إذا كنت تقوم فقط بتوليد صورة، فقد لا يهم الخطأ الصغير، ولكن إذا كنت تحاول تحرير صورة (إزالة شخص مع الحفاظ على الخلفية) أو حساب الاحتمالية الدقيقة لشكل جزيء، فإن تلك الأخطاء تفسد النتيجة. قد ينتهي بك الأمر بخلفية ضبابية أو جزيء لا يستقيم فيزيائياً.

كانت المحاولات السابقة لإصلاح ذلك تشبه محاولة المشي للخلف في الظلام. بعض الطرق كانت غير مستقرة (تنهار إذا اتخذت خطوة كبيرة)، وبعضها كان بطيئاً، وبعضها كان يعمل فقط للمسارات السلسة، وليس للمسارات العشوائية المشوشة التي تستخدمها العديد من نماذج الذكاء الاصطناعي الحديثة. إحدى الطرق، المسماة EDICT، كانت قابلة للانعكاس ولكنها أنتجت نتائج منخفضة الجودة. أما طريقة BDIA، فكانت غير مستقرة وغالباً ما فشلت في إعادة بناء الصورة الأصلية.

الحل: محلل "الصدى المثالي"

يقترح المؤلفون Rex، وهي عائلة من المحلات (solvers) التي تتميز بأنها قابلة للانعكاس جبرياً (algebraically reversible). وهي طريقة فنية تعني أن الرياضيات مصممة بحيث إذا اتخذت خطوة للأمام ثم اتخذت الخطوة المقابلة لها للخلف مباشرة، فستعود تماماً إلى نقطة بدايتك. لا يوجد "انحراف" (drift).

كيف فعلوا ذلك؟ استلهموا من طريقة تسمى طرق لوسون (Lawson methods)، والتي تُستخدم للتعامل مع المعادلات ذات النمو أو الاضمحلال الأسي. ودمجوها مع تقنية تسمى طريقة مكالوم-فوستر (McCallum-Foster method)، المعروفة باستقرارها وقابليتها للانعكاس.

إليك الخدعة السحرية:

1. الإعداد: يأخذون محللاً قياسياً عالي السرعة (مثل تلك المستخدمة في أدوات شهيرة مثل DDIM أو DPM-Solver).
2. الالتواء: يضيفون متغير حالة "ظلي" (shadow state variable). تخيل أنك تسير للأمام، ولكنك تحتفظ أيضاً بنسخة متزامنة ومثالية لمسارك في كون موازٍ.
3. الانعكاس: عندما يحتاجون للذهاب للخلف، لا يكتفون بعكس الخطوات فحسب، بل يستخدمون النسخة "الظلية" لحساب الخطوة العكسية الدقيقة. وبسبب الطريقة المحددة التي بنوا بها الرياضيات، فإن الخطوات الأمامية والخلفية تلغي بعضها البعض بشكل مثالي.

تظهر الورقة البحثية أن هذا يعمل لكل من ODEs (المسارات السلسة والحتمية) و SDEs (المسارات ذات الضجيج العشوائي). ويمثل هذا اختراقاً كبيراً لأن معظم الطرق القابلة للانعكاس السابقة كانت تعمل فقط مع المسارات السلسة. ومن خلال التعامل مع الضجيج بشكل صحيح، يفتح Rex الباب أمام الانعكاس الدقيق في أكثر نماذج الذكاء الاصطناعي تعقيداً وواقعية.

ما وجدوه: الدقة والقوة

لم يكتفِ الباحثون بكتابة الرياضيات فحسب، بل اختبروها بشكل مكثف.

• إعادة البناء المثالية: في اختباراتهم، عندما استخدموا Rex للذهاب للأمام ثم للخلف، كان الخطأ صغيراً جداً لدرجة أنه كان معدوماً فعلياً (يقترب من دقة الآلة). في المقابل، أظهرت طرق أخرى مثل BDIA أو O-BELM أخطاء مرئية تزداد مع زيادة عدد الخطوات. على سبيل المثال، في اختبار بـ 50 خطوة، كان خطأ Rex أصغر بعدة مراتب من منافسيه.
• تحرير صور أفضل: عندما استخدموا Rex لتحرير الصور (مثل تغيير أمر من "رجل على حصان" إلى "رجل على تنين")، كانت النتائج أنقى بكثير. ظلت الخلفية وفية للصورة الأصلية، بينما تسببت الطرق الأخرى في ظهور عيوب غريبة أو جعلت المشهد ضبابياً. قلل Rex من التشوه البصري بنحو النصف مقارنة بأفضل الطرق القابلة للانعكاس الموجودة.
• أخذ العينات العلمية: اختبروا أيضاً Rex على جزيء يسمى تري-ألانين (tri-alanine). في هذا المجال، يحتاج العلماء لأخذ عينات من "توزيع بولتزمان" (طريقة لإيجاد الأشكال الأكثر احتمالاً التي يمكن أن يتخذها الجزيء). باستخدام Rex، تمكنوا من أخذ عينات لهذه الأشكال بدقة أكبر من الطرق السابقة، مما حسن دقة حسابات الطاقة.

ما ليس Rex

من المهم ملاحظة ما لا تدعيه هذه الورقة البحثية.

• هي لا تقول إن Rex هي الطريقة الوحيدة للقيام بذلك، لكنها تشير إلى أنها حالياً الطريقة الأكثر قوة ودقة لكل من ODEs و SDEs.
• لا تدعي أن الطرق ذات الرتب العليا (مثل استخدام محلل من الرتبة الرابعة) هي دائماً الأفضل. في الواقع، أظهرت تجاربهم أنه بالنسبة لبعض المهام، كان إصدار أبسط وأقل رتبة من Rex (Euler) يؤدي في الواقع بشكل أفضل من النسخ الأكثر تعقيداً.
• لا تحل مشكلة "الهلوسة" في الذكاء الاصطناعي (حيث يبتدع الذكاء الاصطناعي أشياء من خياله). بل تحل مشكلة الدقة في الرياضيات التي تنقل الذكاء الاصطناعي من الضجيج إلى البيانات.

لماذا يهم هذا الأمر

القدرة على عكس العملية تماماً تشبه امتلاك زر "Ctrl+Z" لكون الذكاء الاصطناعي بأكمله.

• للفنانين: يعني هذا أنه يمكنك تحرير صورة مولدة بالذكاء الاصطناعي بثقة تامة، مدركاً أن الأجزاء التي لم تلمسها ستظل كما هي تماماً.
• للعلماء: يتيح لهم محاكاة الأنظمة الفيزيائية بدقة أكبر، مثل كيفية طي البروتينات أو كيفية تفاعل الجزيئات، وهو أمر بالغ الأهمية لاكتشاف الأدوية.
• لباحثي الذكاء الاصطناعي: يُمكّنهم من تدريب النماذج بشكل أفضل من خلال السماح لهم بحساب الاحتمالات الدقيقة، مما يساعد في فهم كيفية "تفكير" الذكاء الاصطناعي.

لقد أتاح المؤلفون الكود الخاص بهم، داعين الآخرين لاستخدام هذا المحلل "الصدى المثالي". ورغم أن الرياضيات وراء Rex معقدة، إلا أن النتيجة بسيطة: أداة تسمح لنا بالسير للأمام وللخلف عبر العملية الإبداعية للذكاء الاصطناعي دون أن نفقد طريقنا أبداً.