🤖 AI

Visual Reasoning over Time Series via Multi-Agent System

تقدم الورقة البحثية MAS4TS، وهو نظام متعدد الوكلاء مدفوع بالأدوات يدمج بين الاستدلال البصري، وإعادة البناء الكامن، والاستخدام التكيفي للأدوات لتحقيق أداء رائد وقدرة قوية على التعميم عبر مهام السلاسل الزمنية المتنوعة.

المؤلفون الأصليون: Weilin Ruan, Yuxuan Liang

نُشر 2026-02-04

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Weilin Ruan, Yuxuan Liang

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 تحاول التنبؤ بمستقبل نظام معقد، مثل الطقس، أو سوق الأسهم، أو معدل ضربات قلب مريض. تقليديًا، حاولت الحواسيب القيام بذلك عن طريق معالجة الأرقام في جدول بيانات ضخم وغير مرئي. فهي تنظر إلى نقاط البيانات الخام وتحاول إيجيد الأنماط، لكنها غالبًا ما تكافح لـ "رؤية" الصورة الكبيرة، مثل جبهة عاصفة مفاجئة أو طفرة غريبة في البيانات.

تقدم الورقة البحثية MAS4TS، وهي طريقة جديدة لحل هذه المشكلات. فكر في MAS4TS ليس كحاسوب خارق واحد، بل كـ فريق منظم للغاية من ثلاثة متخصصين يعملون معًا في مكتب. وبدلاً من أن يحاول شخص واحد القيام بكل شيء، يقومون بتقسيم العمل ليكونوا أكثر ذكاءً وسرعة.

إليك كيف يعمل هذا الفريق، باستخدام تشبيه بسيط:

المتخصصون الثلاثة (الوكلاء)

تخيل فريقًا مكلفًا بالتنبؤ بمسار أفعوانية (Rollercoaster) بناءً على فيديو لها حتى الآن.

1. المحلل (موظف البيانات):

ماذا يفعل: ينظر هذا الوكيل إلى الأرقام الخام ومقاطع الفيديو. هو لا يحاول تخمين المستقبل بعد؛ بل يقوم فقط بتنظيم الحقائق. يقوم بحساب متوسط السرعة، وإيجاد أعلى وأقل النقاط، وتنظيف أي بيانات فوضوية (مثل الإطارات المفقودة).
التشبيه: فكر فيه كأمين المكتبة الذي ينظم الكتب ويبرز الفصول المهمة قبل أن يبدأ أي شخص في القراءة.

2. المستنتج (الفنان الحدسي):

ماذا يفعل: هذا هو الجزء الأكثر تميزًا في النظام. بدلاً من مجرد النظر إلى الأرقام، ينظر هذا الوكيل إلى المخطط البصري (الرسم البياني) للبيانات. يستخدم "نموذج لغة ورؤية" خاصًا (مثل ذكاء اصطناعي ذكي يمكنه الرؤية والقراءة) لينظر إلى الرسم البياني ويقول: "مهلًا، أرى قمة حادة هنا، والخط بدأ ينحني للأسفل".
التشبيه: تخيل فنانًا بشريًا ينظر إلى رسم تخطيطي لأفعوانية. هو لا يرى مجرد نقاط؛ بل يرى الشكل والانسياب. إنه يحدد "نقاط الارتكاز" الرئيسية (مثل قمة تلة أو قاع وادي) ويقول: "يجب أن يمر المسار عبر هذه النقاط". إنه يحول هذه الملاحظات البصرية إلى مجموعة من القواعد للشخص التالي.

3. المنفذ (ميكانيكي صندوق الأدوات):

ماذا يفعل: يأخذ هذا الوكيل القواعد من "المستنتج" والحقائق من "المحلل". هو لا يستخدم طريقة واحدة فقط لحل المشكلة، بل لديه صندوق أدوات مليء بـ "أدوات" مختلفة (مثل مفتاح ربط، أو مفك براغي، أو آلة حاسبة). واعتمادًا على المشكلة المحددة، يختار سلسلة الأدوات المناسبة لبناء الإجابة النهائية.
التشبيه: إذا كانت المشكلة هي إطار مثقوب، يمسك الميكانيكي برافعة ومفتاح ربط. وإذا كانت مشكلة في المحرك، فإنه يمسك بمجموعة مختلفة من الأدوات. يعرف "المنفذ" بالضبط أي "سلسلة أدوات" يستخدم للتنبؤ، أو التصنيف، أو إصلاح البيانات المفقودة.

كيف يتحدثون مع بعضهم البعض؟

هؤلاء الثلاثة لا يعملون في عزلة، بل يتشاركون سبورة مشتركة (الذاكرة المشتركة).

يكتب المحلل الإحصائيات على السبورة.
يرسم المستنتج "نقاط الارتكاز" البصرية على السبورة.
ينظر المنفذ إلى السبورة، ويختار الأدوات المناسبة، ويكتب التنبؤ النهائي.
إذا ارتكب المنفذ خطأً، يقوم المُدقق (مفتش مراقبة الجودة) بفحص العمل مقابل القواعد الموجودة على السبورة للتأكد من منطقيته قبل إرساله.

لماذا يعد هذا أفضل؟

تجادل الورقة بأن الطرق السابقة كانت مثل محاولة حل لغز (Puzzle) عبر النظر فقط إلى ألوان القطع، وتجاهل الصورة الموجودة على الصندوق.

الطريقة القديمة: "أرى الرقم 5، ثم 6، ثم 7. أتوقع أن التالي هو 8". (وهذا يفشل إذا تغير النمط فجأة).
طريقة MAS4TS: "أرى أن الخط يتجه للأعلى، لكنه يصطدم بجدار (نقطة ارتكاز بصرية). لذا، حتى لو كانت الأرقام تقول إنه يجب أن يستمر في الصعود، فإن الشكل يخبرني أنه سيتسطح".

ماذا أثبتوا؟

اختبر المؤلفون هذا الفريق في أربعة أنواع رئيسية من مشكلات السلاسل الزمنية:

التنبؤ (Forecasting): توقع القيم المستقبلية (مثل درجة حرارة الغد).
التصنيف (Classification): فرز البيانات إلى فئات (مثل "هل هذه ضربات قلب طبيعية أم غير منتظمة؟").
الاستكمال (Imputation): ملء البيانات المفقودة (مثل إصلاح فجوة في تسجيل ما).
كشف الشذوذ (Anomaly Detection): رصد القيم المتطرفة الغريبة (مثل ارتفاع مفاجئ في حركة مرور الخوادم).

النتيجة: تفوق هذا الفريق (MAS4TS) على كل الطرق الأخرى التي اختبروها تقريبًا. لقد كان أكثر دقة، ويتعامل مع البيانات المفقودة بشكل أفضل، وكان فعالاً بشكل مدهش لأنه لم يكن بحاجة لإعادة تدريب "عقل ضخم" لكل مهمة جديدة؛ بل كان يكتفي باستبدال الأدوات الصحيحة من صندوق أدواته.

باختختصار

MAS4TS هو نظام يجمع بين الحدس البصري الشبيه بالبشر (النظر إلى الرسم البياني) مع الأدوات الرياضية الدقيقة لحل مشكلات السلاسل الزمنية. ومن خلال تقسيم المهمة إلى فريق من المتخصصين الذين يتشاركون الملاحظات ويختارون الأدوات المناسبة للعمل، فإنه يخلق طريقة أذكى، وأكثر مرونة، وأكثر دقة لفهم البيانات بمرور الوقت.

ملخص تقني: الاستدلال البصري عبر السلاسل الزمنية عبر الأنظمة متعددة الوكلاء (MAS4TS)

1. بيان المشكلة

يعد تحليل السلاسل الزمنية أمراً جوهرياً في مجالات مثل الطاقة، والنقل، والرعاية الصحية، ومع ذلك تواجه النهج الحالية فجوتين مفاهيميتين رئيسيتين:

من تعلم التمثيل إلى الاستدلال الهيكلي: تعمل الأساليب الحالية، بما في ذلك نماذج التعلم العميق والنهج المعززة بالرؤية الحديثة، غالباً في مساحات عددية أو تمثيلات كامنة (latent embeddings)، حيث تظل الأنماط المورفولوجية ضمنية. وبينما تقوم بعض الأساليب بتحويل السلاções الزمنية إلى صور، فإنها تستخدم التمثيلات البصرية أساساً لتعلم التمثيل بدلاً من الاستفيادة من نماذج الرؤية واللغة (VLMs) للقيام باستدلال هيكلي مباشر وبديهي على المخططات (على سبيل المثال، تحديد الاتجاهات، وتحولات النظام، والانتقالات الهيكلية) كما يفعل المحللون البشريون.
من النماذج المخصصة للمهام إلى التنفيذ المدفوع بالأدوات: تتعامل النماذج الحالية عادةً مع التنبؤ، والتصنيف، والتعويض (imputation)، وكشف الشذوذ كمسائل معزولة تتطلب رؤوساً (heads) مخصصة لكل مهمة ومسارات استدلال ثابتة. وهذا يحد من قدرة النماذج سابقة التدريب على العمل كمحللات عامة متكيفة مع المهام، ويستلزم تكاليف توسع مضاعفة لمختلف المهام.

يجادل المؤلفون بأن عنق الزجاجة في ذكاء السلاسل الزمنية يكمن في الاستدلال الهيكلي وليس في تعلم التمثيل، مما يستوجب تحولاً في النموذج نحو توحيد المهام عبر الاستدلال البصري مع تمكين التنفيذ المتكيف المدفوع بالأدوات.

2. المنهجية: إطار عمل MAS4TS

يقترح المؤلفون MAS4TS، وهو أول نظام متعدد الوكلاء مدفوع بالأدوات للتحليل العام للسلاسل الزمنية. يعمل الإطار وفق نموذج المحلل–المستدل–المنفذ (Analyzer–Reasoner–Executor)، حيث يقوم بتفكيك تحليل السلاسل الزمنية إلى أدوار متكاملة يتم تنسيقها عبر ذاكرة مشتركة وتواصل محكوم ببوابات (gated communication).

2. 1 التعاون بين الوكلاء المتعددين

يعالج النظام البيانات من خلال ثلاثة وكلاء متخصصين:

المحلل (Analyzer): يستخرج الميزات الإحصائية ( $F_{stat}$ ) ويولد تمثيلاً صورياً للمخطط ( $I$ ) مدركاً للمهمة من البيانات الخام. كما ينتج مقدمات مهيكلة ( $P$ ) تشمل الأوصاف الدلالية والملخصات الإحصائية.
المستدل (Reasoner): يربط بين التعرف البديهي على الأنماط البصرية والاستدلال العددي الدقيق. ويعمل عبر مرحلتين متتاليتين:
1. الاستدلال البصري: يستخدم نموذج رؤية ولغة (VLM) للقيام بالتعرف على الأنماط عالية المستوى مباشرة على صور المخططات ( $I$ ) والمقدمات المهيكلة ( $P$ ). ويخرج نموذج الـ VLM "مرتكزات بصرية" ( $A$ ) متفرقة ولكنها غنية بالمعلومات، تُعرف بأنها أزواج من مؤشرات زمنية حرجة ( $t_k$ )، وقيم مقدرة ( $v_k$ )، ومؤشرات سلوك زمني ( $\tau_k$ ، مثل: صعود/هبوط/استقرار).
2. البناء الكامن (Latent Construction): يعامل المرتكزات المتفرقة كإشارات شرطية لتوجيه إعادة بناء مسار كامن مستمر في مساحة كامنة. يتم نمذجة ذلك كحالة زمنية مستمرة $z(t)$ تحكمها دالة ديناميكية قابلة للتعلم $f_\phi$ مشروطة بـ $A$ و $P$ . يقوم حلل معادلة تفاضلية عادية (ODE) في الخطوات المحددة بإعادة بناء تسلسلات كثيفة ومتماسكة زمنياً تغطي كل من الآفاق المرصودة والمتوقعة.
3. الدمج الكامن (Latent Fusion): يتم دمج المسار الكامن المعاد بناؤه مع تمثيل البيانات الأصلي عبر انتباه محكوم ببوابة (gated attention) لتشكيل تمثيل كامن موحد ومرتبط دلالياً ( $Z$ ).
المنفذ (Executor): يحول التمثيل الكامن إلى مخرجات خاصة بالمهمة من خلال استخدام الأدوات المتكيف. يقوم بتكوين سلسلة من الأدوات ديناميكياً من مكتبة محددة مسبقاً (مثل: استقراء الاتجاه، التفكيك، التنعيم، التنبؤ الإحصائي) بناءً على سياسة توجيه $\pi_\Theta$ . ويضمن مدقق النتائج (Result Verifier) خفيف الوزن الصلاحية العددية واتساق المهمة، من خلال تصحيح الانتهاكات للحدود التي تفرضها المرتكزات أو فرض اتساق المخطط (schema).

2.2 التحسين والكفاءة

يستخدم MAS4TS استراتيجية تدريب انتقائية. حيث تظل عمليات المعالجة المسبقة الثابتة، والاستدلال/التلقين (prompting) الخاص بنماذج الرؤية واللغة، والأدوات المختارة، خالية من التدريب. يركز التحسين فقط على المكونات الحرجة للتنسيق: وظائف التضمين/التواصل، وتمثيلات الذاكرة المشتركة، ومعلمات البوابات/التوجيه. وهذا يسمح للنظام بالاستفادة من النماذج التأسيسية القوية دون العبء الحسابي لضبطها (fine-tuning) لكل مهمة.

3. المساهمات الرئيسية

إطار عمل MAS4TS: اقتراح أول نظام متعدد الوكلاء مدفوع بالأدوات للتحليل العام للسلاسل الزمنية، وتأسيس نموذج (المحلل–المستدل–المنفذ) للنمذجة المتكيفة مع المهام.
الاستدلال البصري البديهي: تقديم طريقة تستخدم نماذج الرؤية واللغة لاستخراج المرتكزات البصرية من المخططات والمقدمات، وتحويلها إلى قيود عددية لإعادة بناء المسار الكامن، مما ينقل التركيز من تعلم التمثيل الضمني إلى الاستدلال الهيكلي الصريح.
الأداء الموحد: تجارب واسعة النطاق تثبت الأداء المتفوق عبر مهام التنبؤ، والتصنيف، والتعويض، وكشف الشذوذ، محققة نتائج رائدة (state-of-the-art) في عدة اختبارات مرجعية مع الحفاظ على قدرة قوية على التعميم وكفاءة الاستدلال.

4. النتال التجريبية

قيم المؤلفون MAS4TS على 21 مجموعة بيانات واسعة الاستخدام عبر أربع مهام، مقارنة بأكثر من 20 نموذجاً مرجعياً، بما في ذلك النماذج المخصصة للمهام (مثل PatchTST و iTransformer) والأساليب القائمة على النماذج اللغوية سابقة التدريب (مثل TimeVLM و UniTime).

التنبؤ (Forecasting): في اختبارات التنبؤ طويل الأمد (ETT, Weather, Solar-Energy, Exchange)، حقق MAS4TS أداءً تنافسياً أو متفوقاً. على سبيل المثال، في مجموعة بيانات Weather، حقق متوسط خطأ (MSE) قدره 0.232، متفوقاً على MAFS و TimeVLM بنسبة 7.9% و 11.5% على التوالي. كما أظهر متانة في التقاط التغيرات المفاجئة في الاتجاه في مجموعة بيانات Exchange.
التصنيف (Classification): في 8 مجموعات بيانات متعددة المتغيرات من UEA، حقق MAS4TS أعلى دقة متوسطة (68.25%)، متفوقاً على iTransformer (65.16%) و DLinear (64.85%).
التعويض (Imputation): حقق MAS4TS أداءً رائعاً عبر جميع نسب الحجب (من 12.5% إلى 50%). وفي حالة ETTm2 مع نسبة فقد 50%، قلل من الخطأ (MSE) بنسبة 34.8% مقارنة بثاني أفضل طريقة (LightTS)، مما يثبت فعالية الإكمال المقيد بالمرتكزات تحت ظروف فساد البيانات الشديدة.
كشف الشذوذ (Anomaly Detection): في خمسة اختبارات مرجعية لمراقبة الخوادم والبنية التحتية، حقق MAS4TS أعلى متوسط لدرجة F1 (84.78%)، متفوقاً على ETSformer و iTransformer. وقد ثبت أن مكون الاستدلال البصري كان ذا قيمة خاصة في تحديد المناطق المشبوهة مسبقاً.
الكفاءة: رغم دمج سير عمل متعدد الوكلاء مع النماذج التأسيسية، يحافظ MAS4TS على هيكل خلفي مدمج (5.38 مليون معلمة قابلة للتدريب) وذاكرة GPU قصوى منخفضة للغاية (0.05 جيجابايت)، وهي أقل بعدة مراتب من النماذج المرجعية القائمة على النماذج اللغوية (LM) التي غالباً ما تتجاوز 100 مليون معلمة وتستهلك عدة جيجابايت من الذاكرة.

5. الأهمية والادعاءات

يدعي البحث أن MAS4TS يعالج قيود أساليب السلاسل الزمنية الحالية من خلال توحيد المهام المتنوعة عبر بروتوكول استدلال هيكلي مشترك. ومن خلال الفصل الصريح بين الاستدلال الهيكلي، وإعادة بناء المسار الكامن المستمر، والتنفيذ المتكامل بالأدوات، يحقق النظام ما يلي:

التكيف: القدرة على التعامل مع أعباء عمل السلاسل الزمنية غير المتجانسة ومتطلبات المهام عبر تنسيق الأدوات المتكيف.
القابلية للتفسير: يوفر استخدام المرتكزات البصرية وفحوصات المدقق نواتج وسيطة قابلة للفحص، مما يجعل عملية الاستدلال أكثر شفافية.
الكفاءة: يسمح التدريب الانتقائي لمكونات التنسيق للنظام بالاستفادة من قدرات التعميم للنماذج التأسيسية دون التكلفة الباهظة للضبط الكامل (full fine-tuning).

يخلص المؤلفون إلى أن عنق الزجاجة في ذكاء السلاسل الزمنية يكمن في الاستدلال الهيكلي، وأن MAS4TS يقدم تحولاً في النموذج نحو توحيد المهام عبر الاستدلال البصري مع تمكين التنفيذ المتكيف المدفوع بالأدوات. كما يقرون بوجود قيود تتعلق بالاعتماد على النماذج التأسية الأساسية لضمان المتانة تحت تغيرات التوزيع، والعبء المحتمل في التواصل في السيناريوهات متعددة المتغيرات المعقدة، مما يشير إلى عمل مستقبلي لإثراء مكتبة الأدوات وصقل مهارات الوكلاء.