OmniAD: Detect and Understand Industrial Anomaly via Multimodal Reasoning
يُعد OmniAD إطار عمل متعدد الوسائط ومبتكرًا يوحد بين كشف الشذوذ وفهمه في البيئات الصناعية من خلال الاستفادة من ترميز القناع القائم على النصوص والاستدلال الموجه بصريًا، محققًا أداءً رائدًا في معيار MMAD عبر استراتيجية تدريب هجينة تجمع بين الضبط الدقيق الخاضع للإشراف والتعلم التعزيزي.
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 محقق يحاول حل لغز، ولكن بدلاً من مسرح جريمة، أنت تنظر إلى أرضية مصنع. مهمتك هي العثور على الشيء الصغير والغريب الوحيد الذي لا ينتمي إلى المكان—خدش على قطعة معدنية لامعة، أو بقعة غريبة على حبة كاجو، أو مسمار مفقود في لوحة دوائر كهربائية. في عالم الحواسيب، يسمى هذا "اكتشاف الشذوذ" (Anomaly Detection). لفترة طويلة، كانت أذكى طريقة للقيام بذلك هي استئجار خبيرين مختلفين: أحدهما يعمل مثل عدسة مكبرة تسلط الضوء على البقعة الغريبة، والآخر يعمل كمحقق يقرأ الأدلة ويوضح ما هو الخطأ. ولكن هنا تكمن المشكلة: أحياناً تشير العدسة المكبرة إلى الاتجاه الخاطئ، أو تصبح مهووسة جداً بتلك البقعة لدرجة أنها تنسى النظر إلى بقية الصورة. تقدم هذه الورقة البحثية نوعاً جديداً من المحققين لا يحتاج إلى عدسة مكبرة منفصلة؛ بل يتعلم كيف يرى البقعة الغريبة ويفهم معناها في آن واحد، في عملية تفكير واحدة سلسة. وهذا أمر بالغ الأهمية لأنه في المصانع، معرفة أين يوجد العيب ولماذا يمثل مشكلة لا يقل أهمية عن مجرد معرفة وجوده.
تقدم الورقة نظاماً جديداً يسمى OmniAD، وهو "نموذج لغوي كبير متعدد الوسائط" (ذكاء اصطناعي متطور يمكنه رؤية الصور وقراءة النصوص) مصمم للقيام بكل من الرصد والشرح في وقت واحد. وجد الباحثون أن الطريقة القديمة في العمل—حيث يتلقى الذكاء الاصطناعي "تلميحاً" من كاشف منفصل حول مكان البحث—هي في الواقع طريقة معيبة. وقد أطلقوا على هذا النموذج اسم "نموذج مساعدة الخبير" (Expert-Aid paradigm). الأمر يشبه مطالبة محقق بحل قضية بينما يستمر شخص آخر في الصراخ: "انظر هنا! انظر هناك!". المشكلة هي أن الشخص الذي يصرخ قد يكون مخطئاً، أو قد يكون صوته عالياً جداً لدرجة تجعل المحقق يتوقف عن التفكير بنفسه ويكتفي فقط باتباع الإشارة. يؤدي هذا إلى وقوع أخطاء، خاصة عندما يكون العيب دقيقاً أو الخلفية معقدة.
ولإصلاح ذلك، يستخدم OmniAD حيلة ذكية تسمى ترميز الشذوذ الدلالي (Semantic Anomaly Encoding). فبدلاً من الاعتماد على أداة خارجية لرسم مربع حول العيب، يتعلم الذكاء الاصطناعي وصف البقعة الغريبة باستخدام "لغته" الداخلية الخاصة. تخيل أن الذكاء الاصطناعي ينظر إلى صورة لحبة كاجو ويفكر: "حسناً، الجزء العلوي الأيمن من هذه الحبة له ملمس بني متعرج لا يتناسب مع اللون الكريمي الناعم لبقية الحبة". إنه يحول هذا الغرابة البصرية إلى وصف نصي داخل عقله مباشرة. هذا النص يعمل بعد ذلك كدليل لعملية الاستنتاج المتبقية. الذكاء الاصطناعي لا يكتفي بالقول: "هناك عيب"؛ بل يقول: "أرى ملمساً متعرجاً هنا، مما يكسر الخط الناعم، لذا من المحتمل أن هذه الحبة مكسورة". تسمى هذه العملية الاستدلال النصي الموجه بصرياً (Visual Guided Textual Reasoning). إنها تشبه حديث الذكاء الاصطناعي مع نفسه، حيث يستخدم الدليل البصري الذي وجده للتو لمساعدته في كتابة شرح أفضل.
اختبر المؤلفون هذه الفكرة على مجموعة من قواعد البيانات الصناعية المختلفة، بما في ذلك واحدة تسمى MMAD. ووجدوا أن OmniAD كان أفضل بكثير في كل من اكتشاف العيوب وشرحها مقارنة بنماذج الذكاء الاصطناعي الأخرى، بما في ذلك بعض النماذج الشهيرة جداً مثل GPT-4o. في الواقع، في اختبار MMAD، حقق OmniAD متوسط دقة بلغ 79.9%، متفوقاً على أفضل نموذج مفتوح المصدر سابق بفارق كبير. تشير الورقة البحثية إلى أنه من خلال إبقاء "الرصد" و"الشرح" داخل نفس العقل، يصبح الذكاء الاصطني أكثر موثوقية؛ فهو لا يرتبك بسبب التلميحات المزعجة، ولا ينسى النظر إلى الصورة الكاملة.
كما اكتشف الباحثون أن تدريب الذكاء الاصطناعي على خطوتين كان أمراً جوهرياً. أولاً، علموه الأساسيات المتعلقة بالتحدث عن العيوب (الضبط الدقيق الخاضع للإشراف - Supervised Fine-Tuning). ثم تركوه يتدرب على حل المشكلات وكافأوه فقط عندما يحصل على الإجابة الصحيحة والشرح الصحيح (باستخدام طريقة تسمى تحسين السياسة النسبية الجماعية، أو GRPO). ساعد هذا المزيج الذكاء الاصطناعي على أن يكون دقيقاً ومنطقياً في آن واحد. توضح الورقة أن هذا النهج "الداخلي"—حيث يولد الذكاء الاصطناعي أدلته الخاصة ويستخدمها فوراً—هو طريقة أقوى بكيد للتعامل مع المشكلات الصناعية من الطريقة القديمة القائمة على تمرير التلميحات بين الأدوات المختلفة. وبينما لا تدعي الورقة أنها تحل كل المشكلات الممكنة في العالم، فإن النتائج تشير بقوة إلى أن هذه الطريقة الموحدة في التفكير تمثل خطوة كبيرة للأمام لجعل الذكاء الاصطناعي أكثر ذكاءً وفائدة في المصانع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.