Explainable Visual Anomaly Detection via Concept Bottleneck Models
تقدم هذه الورقة البحثية CONVAD، وهو إطار عمل مبتكر يوسع نماذج عنق الزجاجة المفاهيمية (Concept Bottleneck Models) ليشمل الكشف البصري عن الشذوذ من خلال الجمع بين فرع قائم على المفاهيم لتقديم تفسيرات قابلة للتفسير من قبل البشر وفرع بصري لتحديد المواقع على مستوى البكسل، محققاً أداءً يضاهي الأساليب المتطورة مع تعزيز التفسير الدلالي بشكل كبير عبر مختلف أنظمة الإشراف.
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 مفتش مراقبة جودة في مصنع. مهمتك هي النظر إلى المنتجات التي تمر عبر حزام ناقل — مثل البندق، أو الصواميل المعدنية، أو فرشاة الأسنان — واكتشاف القطع المكسورة أو المعيبة.
في الماضي، كانت الحواسيب تُدرب على القيام بذلك من خلال النظر إلى آلاف القطع المثالية. تعلمت ما يبدو عليه الشكل "الطبيعي". وإذا بدا أي شيء مختلفاً ولو قليلاً، كانت الحواسيب تصنفها كقطعة معيبة.
المشكلة:
كان بإمكان الكمبيوتر أن يشير بإصبعه إلى الجزء المكسور ويقول: "هيا، انظر هنا! هناك بقعة غريبة من البكسلات!" (وهذا ما يسمى بـ "الخريطة الحرارية"). ولكن إذا سألت الكمبيوتر: "ما الخطب بالضبط؟"، فإنه سيظل صامتاً فحسب. لم يكن يستطيع إخبارك ما إذا كان العيب هو خدش، أو انبعاج، أو بقعة. كان يعرف فقط أن "هناك خطباً ما". وهذا أمر محبط للعمال البشر الذين يحتاجون لمعرفة نوع المشكلة لإصلاحها.
الحل: "عنق الزجاجة المفاهيمي" (CONVAD)
يقدم هذا البحث نظاماً جديداً يسمى CONVAD. فكر في الأمر كأنك تمنح الكمبيوتر مترجماً أو قاموساً بين الصور الخام واللغة البشرية.
بدلاً من مجرد التخمين بأن المنتج "سيء" أو "جيد"، يُجبر الكمبيوتر أولاً على تحديد مفاهيم محددة يمكن للبشر فهمها قبل اتخاذ القرار.
كيف يعمل (التشبيه)
تخيل أن الكمبيوتر طالب يؤدي اختباراً.
- الطريقة القديمة (الصندوق الأسود): ينظر الطالب إلى صورة صامولة مكسورة ويكتب فوراً كلمة "رسوب" على الورقة. أنت لا تعرف لماذا رسب. ربما خمن؟ ربما رأى خدشاً؟ ليس لديك أدنى فكرة.
- الطريقة الجديدة (CONVAD): يجب على الطالب ملء قائمة مراجعة أولاً.
- هل يوجد خدش؟ (نعم/لا)
- هل اللون غير متساوٍ؟ (نعم/لا)
- هل توجد ثقب؟ (نعم/لا)
- هل السطح لامع؟ (نعم/لا)
فقط بعد تحديد هذه الخانات، يكتب الطالب الدرجة النهائية: "رسوب".
ولأن الكمبيوتر يجب أن يحدد هذه الخانات المحددة، يمكنه الآن إخبارك: "لقد صنفت هذا كفشل لأنني رصدت خدشاً و*سطحاً غير مستوٍ"*. وهذا ما يسمى بـ الذكاء الاصطعي القابل للتفسير.
الحيل الثلاث الكبرى التي استخدموها
1. تعليم الكمبيوتر باستخدام عيوب "وهمية"
القطع المكسورة الحقيقية نادرة ومكلفة في الجمع. لا يمكنك كسر ألف حبة بندق فقط لتدريب كمبيوتر.
- الحيلة: استخدم الباحثون "فرشاة رسم سحرية" (نوع من أنواع الذكاء الاصطناعي الذي يولد الصور) لرسم خدوش وانبعاجات على صور مثالية.
- النتيجة: قاموا بتدريب الكمبيوتر على هذه القطع المكسورة "الوهمية". وتبين أن الكمبيوتر تعلم جيداً لدرجة أنه استطاع رصد القطع المكسورة الحقيقية بنفس كفاءة رؤية آلاف القطع الحقيقية. الأمر يشبه التدرب لاختبار القيادة عبر لعب لعبة فيديو؛ تصبح جيداً بما يكفي للتعامل مع الطريق الحقيقي.
2. نظام "الدماغين"
يحتوي النظام على جزأين يعملان معاً:
- الدماغ (أ) (خبير المفاهيم): ينظر هذا الجزء إلى قائمة المراجعة (خدش، انبعاج، إلخ) ويشرح ما الخطأ بلغة بسيطة.
- الدماغ (ب) (محقق البكسلات): ينظر هذا الجزء إلى الصورة ويرسم دائرة حمراء حول المكان الدقيق للعيب.
- لماذا هذا رائع: إذا ارتبك الدماغ (أ)، فلا يزال بإمكان الدماغ (ب) تحديد المكان. وإذا فات الدماغ (ب) تفصيلاً صغيراً، فقد يلتقطه الدماغ (أ) من خلال ملاحظة ملمس غريب. إنهما يغطيان نقاط ضعف بعضهما البعض.
3. شبكة الأمان "الإنسان في الحلقة"
هذا هو الجزء الأروع. نظرًا لأن الكمبيوتر يستخدم قائمة مراجعة، يمكن للإنسان التدخل وتصحيح الخطأ أثناء العمل.
- تخيل أن الكمبيوتر يقول: "أعتقد أن هذا خدش"، لكنك تعلم أنه في الواقع انبعاج.
- يمكنك ببساال ضغطة زر لتصحيح "بند قائمة المراجعة" من "خدش" إلى "انبعاج".
- على الفور، يقوم الكمبيوتر بتحديث قراره النهائي. لا تحتاج لإعادة تدريب النظام بالكامل؛ أنت فقط تصحح الخطأ الواحد، وهو يتعلم أثناء العمل.
لماذا يهم هذا؟
- الثقة: أنت تعرف لماذا رفض الكمبيوتر منتجاً ما. لم يعد صندوقاً أسود سحرياً.
- السرعة: يعمل بسرعة ولا يحتاج إلى كمبيوتر خارق (يمكنه العمل على شريحة صغيرة).
- الكفاءة: لا تحتاج لجمع ملايين القطع المكسورة لتدريبه. القليل من القطع الحقيقية + الكثير من القطع الوهمية المولدة بالذكاء الاصطناعي كافية جداً.
باختاً مختصراً:
يعلم هذا البحث الحواسيب كيف تكون مفتشين أفضل. بدلاً من مجرد الإشارة إلى الفوضى والقول "سيء!"، هم الآن يقولون: "سيء! بسبب وجود خدش هنا وانبعاج هناك". وإذا أخطأوا في التشخيص، يمكنك تصحيحهم بلطف، وسوف يصبحون أكثر ذكاءً على الفور. إنها شراكة بين الحدس البشري وسرعة الآلة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.