Graph Concept Bottleneck Models

إليك ملخص تقني مفصل لورقة البحث بعنوان "نماذج عنق الزجاجة المفاهيمية الرسومية" (Graph Concept Bottleneck Models) (المنشورة في Transactions on Machine Learning Research، 03/2026).

1. بيان المشكلة

نماذج عنق الزجاجة المفاهيمية (CBMs) هي إطار عمل للتعلم العميق القابل للتفسير، يقوم بربط البيانات المدخلة بمفاهيم وسيطة مفهومة بشرياً قبل اتخاذ التنبؤ النهائي. وبينما تسمح هذه النماذج بالشفافية والتدخل المباشر (مثل تصحيح التنبؤ عبر تعديل درجة مفهوم ما)، إلا أن نماذج CBM الحالية تعاني من قصور حرج:

• افتراض الاستقلالية: تفترض نماذج CBM القياسية أن المفاهيم مستقلة شرطياً عن التسمية (Label).
• واقع الارتباط: في الواقع، تكون المفاهيم مترابطة للغاية (على سبيل المثال، غالباً ما يتواجد "الفراء" و"الشارب" معاً مع "الذيل"). إن تجاهل هذه التبعيات الجوهرية يؤدي إلى تمثيلات مفرطة في التبسيط، وانخفاض في دقة التنبؤ، وضعف في القدرة على التفسير.
• محدودية التدخل: عندما يتدخل المستخدم في مفهوم واحد، تفشل نماذج CBM القياسية في نشر العواقب المنطقية لهذا التغيير على المفاهيم ذات الصلة، مما يؤدي إلى تصحيحات غير مثالية.

2. المنهجية: نماذج CBM الرسومية (G-CBMs)

يقترح المؤلفون نماذج CBM الرسومية (Graph CBMs)، وهو إطار عمل جديد يعمل على نمذجة البنية العلاقاتية بين المفاهيم صراحةً باستخدام رسم بياني مفاهيمي كامن (Latent Concept Graph). تم تصميم البنية لتكون وحدة خفيفة الوزن، قابلة للتركيب والتشغيل (Plug-and-play) ومتوافقة مع متغيرات CBM الحالية (سواء كانت خالية من التسميات أو خاضعة للإشراف المفاهيمي).

المكونات الأساسية

يتكون النموذج من ثلاث وحدات رئيسية:

1. الوحدة 1: الترميز والبارامترية (Encoding & Parameterization)

   • المدخلات: يتم ترميز الصور عبر مشفر رؤية مدرب مسبقاً ($E_v$)، وتُرمز المفاهيم عبر مشفر لغوي مدرب مسبقاً ($E_t$) (في الحالات الخالية من التسميات).
   • البنية الرسومية: يتم تعريف رسم بياني كامن $G = (V, A)$ حيث تمثل العقد $V$ المفاهيم، وتمثل مصفوفة التجاور $A$ قوة العلاقة بينها.
   • التهيئة: يتم تهيئة الرسم البياني (عشوائياً أو عبر تشابه التضمين) ويتم مشاركته عبر جميع حالات البيانات، ولكن تنشيط العقد يعتمد على كل حالة (Instance-dependent).

2. الوحدة 2: تمرير الرسائل عبر الشبكة العصبية الرسومية (GNN Message Passing)

   • لالتقاط التبعيات، يستخدم النموذج شبكة عصبية رسومية (GNN) ذات طبقات متعددة.
   • تمرير الرسائل المزدوج: في كل طبقة $l$، يتم تجميع المعلومات من العقد المجاورة لكل من:
     • التضمينات ($V_{emb}$): المعنى الدلالي للمفهوم.
     • التنشيطات ($V_{act}$): مدى تنشيط المفهوم لصورة معينة.
   • تجمع قاعدة التحديث بين مصفوفة التجاور والضرب العنصري للتنشيطات والتضمينات، مما يسمح للنموذج بنشر السياق من المفاهيم ذات الصلة (على سبيل المثال، إذا كان "الأجنحة" نشطاً، فإن النموذج يعزز احتمالية وجود "الريش").

3. الوحدة 3: التنظيم والتنبؤ (Regularization & Prediction)

   • التعلم التبايني (Contrastive Learning): نظراً لأن العلاقات المفاهيمية الحقيقية غالباً ما تكون غير متوفرة، يستخدم النموذج تعلماً تباينياً ذاتي الإشراف لتعلم بنية الرسم البياني.
     • خسارة مستوى التضمين ($L_{emb}$): توائم تضمين الصورة مع تضمين مستوى الرسم البياني (متوسط تضمينات العقد).
     • خسارة مستوى التنشيط ($L_{act}$): توائم تضمين الصورة المسقط مع متجه تنشيط المفهوم المحدث.
   • دالة الخسارة: تجمع الخسارة الإجمالية بين الإنتروبيا المتقاطعة للتصنيف ($CE$)، وخسائر التباين ($L_{emb}, L_{act}$)، وعنصر تنظيم $L_1$ للتباعد (Sparsity) على مصفوفة التجاور لمنع الإفراط في التخصيص وضمان القابلية للتفسير.
   • التنبؤ: يتم التنبؤ بالتسمية النهائية عن طريق تمرير تنشيطات المفاهيم المنقحة عبر طبقة خطية أو شبكة عصبية متعددة الطبقات (MLP).

3. المساهمات الرئيسية

1. إطار عمل مبتكر: تقديم Graph CBMs، وهو أول متغير من نماذج CBM يقوم صراحةً بنمذجة ارتباطات المفاهيم الكامنة عبر بنية رسم بياني قابلة للتعلم، مما يعزز الاستدلال والقدرة على التفسير.
2. تعلم الرسم البياني ذاتي الإشراف: تطوير إطار عمل يبني تلقائياً رسوماً بيانية مفاهيمية كامنة دون الحاجة إلى تسميات علاقاتية حقيقية، وذلك باستخدام التعلم التبايني متعدد المستويات.
3. تكامل مرن (Plug-and-Play): طريقة النموذج متعامدة مع تصميمات CBM الحالية، حيث تتكامل بسلاسة مع كل من CBM الخالية من التسميات (مثل LF-CBM و PCBM) و CBM الخاضعة للإشراف المفاهمي (مثل CBM القياسي و CEM).
4. تدخل قوي: أثبتت التجارب أن نمذجة علاقات المفاهيم تحسن بشكل كبير من فعالية التدخلات اللاحقة (Post-hoc interventions)، مما يسمح بتصحيحات تنتشر منطقياً عبر شبكة المفاهيم.

4. النتائج التجريبية

قيم المؤلفون نماذج Graph CBMs على مجموعات بيانات متعددة من العالم الحقيقي، بما في ذلك CUB-200-2011 (الطيور)، Flower102، HAM10000 (آفات الجلد)، CIFAR-10/100، و ChestXpert.

• دقة التنبؤ:
  • تفوقت نماذج Graph CBMs باستمرار على النماذج المرجعية (Baselines) عبر جميع مجموعات البيانات.
  • في الحالة الخالية من التسميات: حقق Graph-PCBM دقة أعلى بنسبة ~1.5% إلى 3% مقارنة بـ PCBM القياسي (على سبيل المثال، 77.95% مقابل 74.69% في CUB).
  • في الحالة الخاضعة للإشراف المفاهي: طابقت نماذج Graph-CBM و Graph-CEM الطرق الأحدث (SOTA) أو تجاوزتها (مثل ProbCBM و HardAR و E-CBM) مع تقديم قدرة أفضل على التفسير.
• أداء التدخل:
  • في تجارب التدخل (تعديل درجات المفاهيم لتصحيح الأخطاء)، أظهرت نماذج Graph CBM استقراراً أكبر بكثير.
  • عند حجب المفاهيم أو تغييرها، استعادت نماذج Graph CBM الأداء بشكل أفضل من النماذج المرجعية من خلال تجميع الإشارات من الجيران المتصلين.
  • حققت نماذج Graph CBM دقة عالية مع تدخلات الخطوة الواحدة، بينما تطلبت النماذج القائمة على الطاقة (مثل E-CBM) حسابات تكرارية (Iterative calculations).
• دراسات الاستئصال (Ablation Studies):
  • أدى إزالة تمرير الرسائل عبر GNN إلى انخفاض الأداء لمستويات النماذج المرجعية، مما أكد أن المكاسب تأتي من نمذجة التفاعلات وليس فقط من زيادة المعاملات (Parameters).
  • كان استخدام كل من $L_{emb}$ و $L_{act}$ أمراً حاسماً؛ حيث أدى استخدام أحدهما فقط إلى رسوم بيانية إما كثيفة جداً أو متفرقة جداً.
• تفسير الرسم البياني:
  • كشفت الرسوم البيانية المتعلمة عن روابط ذات دلالة دلالية (مثل ربط "صوت عالٍ وحاد" بـ "نداء صاخب") والتي تماشت مع الحدس البشري، بل وتفوقت على الاستدلالات المولدة بواسطة النماذج اللغوية الكبيرة (LLMs) في التقاط الارتباطات غير الواضحة.

5. الأهمية والأثر

• سد الفجوة: تسد نماذج Graph CBMs الفجوة بين قابلية التفسير في نماذج CBM وقدرات الاستدلال العلاقاتي في الشبكات العصبية الرسومية (GNNs).
• الموثوقية: من خلال نمذجة كيفية تأثير المفاهيم على بعضها البعض، يوفر النموذج عملية اتخاذ قرار أكثر واقعية وموثوقية، وهو أمر بالغ الأهمية في المجالات الحرجة للسلامة مثل الرعاية الصحية (مثل فهم كيفية ارتباط "الالتهاب الرئوي" بـ "الانصباب الجنبي").
• الكفاءة: يحقق هذا النهج أداءً يضاهى أحدث التقنيات (SOTA) مع حد أدنى من التكاليف الحسابية (بإضافة $O(k^2)$ فقط من المعاملات لـ $k$ من المفاهيم) ولا يتطلب إعادة تدريب مشفر الصورة الأساسي (Backbone).
• التعميم: الإطار عملي ومتعدد الاستخدامات، حيث يعمل بفعالية في كلتا الحالتين: عندما تكون تسميات المفاهيم متاحة، أو عندما يجب اكتشافها تلقائياً (بدون تسميات).

في الختام، تمثل نماذج Graph CBMs تقدماً كبيراً في الذكاء الاصطناعي القابل للتفسير، حيث تتجاوز افتراض استقلالية المفاهيم لتلتقط الطبيعة الغنية والمترابطة للتفكير البشري، مما يحسن دقة النموذج وموثوقية التدخلات البشرية على حد سواء.